基于HPSO-SVM的多传感器手语识别方法研究

摘要

为了提高手语识别准确率,提出一种基于混合粒子群优化的支持向量机(HPSO-SVM)的多传感器手语识别方法。在原始数据采集阶段,利用ZTEMG-2000肌电传感器采集人体手臂表肌电信号、MPU6050传感器采集右手加速度和角速度信号;在数据处理阶段,增加一个自适应容错长度,提高了短时能量法提取活动段的精度;在分类方法阶段,通过混合粒子群算法(HPSO)寻找出支持向量机(SVM)的惩罚因子和核函数参数的最优组合,优化了SVM模型。实验上,对每名受试者分别执行的5种中国手语进行识别,平均识别率达到了96.78%。该方法利用数量较少的、经济实惠的传感器对手语进行识别,且识别准确率较传统SVM算法提高了5%,展现了该方法在手语识别上的优越性。