基于手势识别的手部康复智能评估算法研究

作     者：徐胜 刘志诚 涂鑫涛 周轩阳 费敏锐 张堃 XU Sheng;LIU Zhicheng;TU Xintao;ZHOU Xuanyang;FEI Minrui;ZHANG Kun

作者机构：南通职业大学电子信息工程学院江苏南通226007 华东理工常熟研究院有限公司江苏常熟215500 南通大学电气工程学院江苏南通226019 上海大学机电工程与自动化学院上海200444 南通市智能计算与智能控制重点试验室江苏南通226019 

基　　金：江苏省333工程科研基金资助项目(BRA2018218) 江苏省博士后科研基金资助项目(2020Z389) 南通市基础科学研究基金资助项目(JC2021035) 江苏省研究生科研与实践创新计划基金资助项目(SJCX21_1449) 国家级大学生创新创业训练计划基金资助项目(202110304027Z) 省级大学生创新创业训练计划基金资助项目(202110304169H) 

出 版 物：《自动化仪表》 (Process Automation Instrumentation)

年 卷 期：2021年第42卷第12期

页      码：23-27,32页

摘      要：针对手部疾病患者康复成本较高和康复训练不便的问题,开发了一种非穿戴式的基于手势识别的手部康复智能评估算法。为了提高手势识别检测能力,参照GhostNet原理,并结合自注意力机制,设计了全新的网络模块Lwblock。将YOLOv4算法中的模块Resblock改进为网络模块Lwblock,提出了Hand-YOLOv4算法。基于RexNet在Hand-YOLOv4算法框选的矩形区域内深度学习,识别出手部21个关键点。以自主手势识别技术为核心,结合动态时间规整(DTW)算法,设计了手部康复智能评估算法。试验结果表明,在手势识别任务中,检测速度较原模型提高了14%,且检测精度不会降低。该智能评估算法检测精度可达到90%以上,完全能够胜任手部康复评估工作,将促使手部医疗康复领域向舒适化、便捷化方向发展。

主 题 词：手势识别 非穿戴式 Hand-YOLOv4算法 自注意力机制 Lwblock RexNet网络 康复评估 动态时间规整 

学科分类：080805[080805] 0808[工学-自动化类] 080202[080202] 08[工学] 080401[080401] 0804[工学-材料学] 0802[工学-机械学] 0811[工学-水利类] 

D　O　I：10.16086/j.cnki.issn1000-0380.2021070029

馆 藏 号：203107135...