申请/专利权人：西安电子科技大学

申请日：2024-04-16

公开（公告）日：2024-06-25

公开（公告）号：CN118244901A

主分类号：G06F3/01

分类号：G06F3/01;G06F18/213;G06F18/25;G06N3/0455;G06N3/0464;G06N3/048;G06N3/0499;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了一种动态融合多模信息的关节角度估计方法，主要解决现有技术关节角度估计精度低，计算时间长，估计值可能偏离真实运动情况的问题。其实现方案是：获取肌电信号、加速度信号和手部运动学数据并构建数据集；针对多模信息的三种不同输入方式，分别构建三个关节角度估计网络模型及其损失函数；通过损失函数最小化分别训练三个关节角度网络估计模型；使用门控决策网络和三个训练好的模型构建动态融合关节角度估计模型并对其进行训练；通过训练好动态融合关节角度估计模型实现对手部关节角度的估计。本发明显著提高了关节角度的估计精度，降低了估计时间，使得关节角度估计值更符合真实自然的运动，可用于人机交互过程中的手部动作识别。

主权项：1.一种动态融合多模信息的关节角度估计方法，其特征在于，包括如下步骤：1获取表面肌电信号、加速度信号及手部运动学数据，划分训练集和测试集；2构建动态融合关节角度估计模型：2a选用现有的卷积神经网络和视觉Transformer网络，并对卷积神经网络输入肌电信号和加速度信号，将其输出的肌电特征和加速度特征以三种不同方式输入到视觉Transformer网络中，构成三个输出数据不同的关节角度估计网络模型M1、M2、M3；2b根据现有的手部运动学限制关系，构建关节角度估计网络模型的损失函数Loss。2c将训练集分别输入到三个关节角度估计网络模型中，通过反向传播最小化各自的损失函数Loss，得到三个训练好的关节角度估计网络模型M1’、M2’、M3’；2d将两个现有的多层感知机模型进行级联构成门控决策网络，并将其分别与三个训练好的关节角度估计网络模型连接，构成三路并接的动态融合关节角度估计模型；3对动态融合关节角度估计模型进行训练：3a将训练集输入到三路并接的动态融合关节角度估计模型，由门控决策网络的输出决定执行所连接三个训练好的关节角度估计网络模型中的某一个；3b将现有的资源损失Lossr与关节角度预测损失之和Loss2作为该训练模型的损失函数Loss’；3c冻结M1’、M2’、M3’的参数，即训练过程中不被改变，通过反向传播最小化损失函数Loss’对门控决策网络进行训练，得到训练好的动态融合关节角度估计模型；4将测试集输入到训练好的动态融合关节角度估计模型，输出手部关节角度估计值。

全文数据：

权利要求：

百度查询： 西安电子科技大学 动态融合多模信息的关节角度估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD