文献类型：期刊文章

作　　者：李秀艳[1] 刘宗毓[1] 王琦[1] 汪剑鸣[1] 王化祥[2]

Li Xiuyan;Liu Zongyu;Wang Qi;Wang Jianming;Wang Huaxiang(Tianjin Key Laboratory of Optoelectronic Detection Technology and System,School of Electronics and Information Engineering,Tianjin Polytechnic University,Tianjin 300387,China;School of Electrical Automation and Information Engineering,Tianjin University,Tianjin 300387,China)

机构地区：[1]天津工业大学电子与信息工程学院天津市光电检测技术与系统重点实验室,天津300387 [2]天津大学电气自动化与信息工程学院,天津300387

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61872269,61601324,61903273);天津市自然科学基金(18JCYBJC85300);天津市企业科级特派员项目(18JCTPJC61600);天津科技计划项目(19PTZWHZ00020)资助

年　　份：2019

卷　　号：40

期　　号：10

起止页码：192-199

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：随着计算机的广泛应用和可穿戴电子设备的发展,将人机交互和可穿戴设备相结合逐渐成为研究热点,其中手势识别技术在人机交互领域扮演着重要的角色。主要提出基于电学测量的智能手势识别方法,利用传感器设备采集手腕边界电压数据,同时利用深度神经网络将采集到的电压数据进行分类,最终实现手势识别的目的。实验验证了通过电学测量数据对手势分类的可行性,将深度神经网络加入到手势识别系统中后,手势正确识别率达到90%以上,从而证明了系统具有较好的便携性、稳定性和实时性,为智能手势识别系统的设计提供了新思路。

关 键 词：电学测量 手势识别 电导率分布  深度神经网络  模型构建

分 类 号：TP391.4] TH701[计算机类]