文献

J-GLOBAL ID：202002258947131973   整理番号：20A2445345

ハンドジェスチャ認識のためのsEMGチャネルの低減【JST・京大機械翻訳】

Reduce sEMG channels for Hand Gesture Recognition

著者 (3件)： Qu Yali (Shandong University of Science and Technology,College of Electronic and Information Engineering,Qingdao,China) ,  Shang Haoyan (Shandong University of Science and Technology,College of Electronic and Information Engineering,Qingdao,China) ,  Teng Shenghua (Shandong University of Science and Technology,College of Electronic and Information Engineering,Qingdao,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICICSP  ページ： 215-220  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マルチチャネル表面筋電図(sEMG)取得装置は,人間-コンピュータ相互作用,リハビリテーション訓練および人工補綴の領域における手のジェスチャ認識のために一般的に使用されている。マルチチャネルsEMGは,筋肉運動に関連した豊富な情報を捕捉できるが,複雑さと信号クロストークの増加のコストで捉えることができる。本研究では,より多くのチャネルを持つものに匹敵する認識精度を実現するために,より少ないチャネルのsEMGを用いることを狙った。特に,多重チャネルのsEMGから抽出した時間領域特徴を,最初に,Mutual Information(SFFSMI)に基づく逐次前方特徴選択法により評価し,ここでは,99.64%のジェスチャ認識率を達成した。次に,サポートベクターマシン分類器(SVM-MRCS)とRelief-Fアルゴリズムを結合することによってチャネル選択法を適用し,より少ないチャネルを得る。より多くのチャネルを有するものに匹敵する認識性能を維持するために,ウェーブレットとウェーブレットパケットをさらに用いて,SVM分類装置に供給される特徴を抽出した。実験結果は,99.53%のジェスチャ認識精度を得るために8つのチャネルのうち4つだけを使用できることを示し,それは認識性能とsEMGデバイス複雑性を良好にバランスさせる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  相互作用 ,  リハビリテーション ,  *波束 ,  特徴選択 ,  チャネル ,  補綴 ,  コンピュータ ,  クロストーク
準シソーラス用語： マルチチャネル ,  *ジェスチャー認識 ,  表面筋電図 ,  複雑性 ,  認識精度 ,  時間領域 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ハンドジェスチャ認識 ,  チャネル