基于子动作特征矩阵与DTW算法的手臂动作识别方法

崔建伟 曹尔凡 陆普东 李志钢

(东南大学仪器科学与工程学院, 南京 210096)

助残机械假手可以在一定程度上代替人手帮助残疾者进行生活自理[1].但是大多数假手产品只能被动模拟人手功能，通过按钮、语音等人为信号控制机械假手完成抓握动作，操作繁琐，给残疾者造成心理负担.人的手臂是助残手的牵引工具，准确识别手臂动作，将动作特征反馈给假手系统，由其学习并调整参数，对实现假手的智能化控制具有一定意义.基于惯性测量单元(IMU)的手臂动作识别是人体动作识别领域的热点.

IMU是在MEMS技术的基础上将加速度计、角速度计、磁力计等多种微器件集成的惯性组合，具有微型化、低功耗、低成本等优势[2].Wang等[3]在老年人手腕部位佩戴IMU并结合环境传感器，采用支持向量机模型对17种日常人体活动进行识别，总识别率达到96.82%；Mazomenos等[4]在受试者的肘部、腕部分别佩戴IMU，通过对手臂运动过程中的关节角、关节位置变化进行分析，采用阈值区分法对倒茶动作的多个子动作进行区分，取得良好的分类效果.

动态时间规整(DTW)算法是一种模板匹配算法，用来计算时间序列数据之间的相似性.由于该算法对连续时间序列数据有很好的处理效果，且相对于机器学习和神经网络算法具有数据需求量小、计算量小的优势[5]，目前在基于惯性器件的动作识别场景也有较多应用[6-7].Lian等[8]在运动员的大臂和小臂分别穿戴IMU，使用与DTW原理相同的LCS算法对棒球投掷动作的6个子动作进行识别，平均识别率达到95.14%；……