一种手势识别腕带的制作方法

本发明涉及穿戴式人机交互领域，尤其涉及一种可以同时采集肌电与肌力信号的手势识别腕带。

背景技术：

手势识别对于自然的人机交互有着重要的意义，它搭建起了人类控制意念和底层智能硬件操控之间的桥梁。传统的人机交互通过鼠标键盘，虽然精度高，但并不自然，手势识别更符合人类交互的天性，随着虚拟现实(VR)的不断发展，手势识别的市场需求将会更大。

现有的技术背景有肌电信号(EMG)识别和肌力信号(FMG)识别，其中肌电信号(EMG)识别是通过测量肌肉运动产生的微弱电信号，该电信号与肌肉动作关系密切，通过解码该信号反解出手部动作。

其中的肌力信号(FMG)识别是通过测量手腕处肌腱与腕带之间压力的变化，来解码手部动作：不同的动作会造成手腕外形的变化，进而引起与手腕接触腕带上压力的变化，不同的手部动作会有不同模式的外形变化，通过解码压力分布模式，可以反求出手部动作。

现有技术的缺点是：(1)肌电信号鲁棒性差，肌力信号为间接测量，对于体积变化较小肌肉测量不敏感，且常用方案压力敏感电阻(FSR)精度不高。(2)并不能将现有商用设备简单叠加实现同一时间同一位置测量肌肉运动。(3)现有肌电方案大多将传感器放置在手臂上，从可穿戴性角度看手腕更为合适。

单一的肌电或肌力信号源对于手势识别各有优缺点，且优点之间有一定的互补性。肌电信号是时变信号，鲁棒性差，再次佩戴需要反复校准，不方便使用。肌力信号鲁棒性好，但其通过压力分布来间接反映肌肉运动，对于体积变化较小的肌肉测量不敏感，且现有的方案大多采用压力敏感电阻(FSR)的技术方案来测量压力，该方案分辨率不够，影响了解码的准确率。肌电信号由肌纤维中运动单元产生的动作电位，故肌电信号是肌肉运动的直接反映，和手势识别目标有直接关系，但肌电信号幅值很小，经过肌肉皮肤等组织传递到皮肤表面后，噪音干扰较大，且腕部肌肉不丰富，大多为肌腱，测量到的信号串扰也更为严重，故单一的肌电信号在腕部测量噪音大且由于肌电信号本身是时变非平稳信号，使得测量的鲁棒性较差。而肌力信号通过测量肌肉收缩时因体积膨胀导致与外界腕带接触力的变化来表征肌肉运动信息，该测量信号为压力信号，是平稳信号，鲁棒性好，但该原理为间接测量，对于腕部体积变化较小的肌腱测量不敏感，所以单一的肌电或肌力信号测量，均不能实现实际应用中的准确性和鲁棒性的要求。肌电或肌力对于手势识别人机交互有重要作用，两种信号源各有优劣。

手势识别从生理学角度来看是要测量运动所涉及肌肉的运动，故关键肌肉的运动检测对于识别结果至关重要，例如识别拇指运动时，主要是测量解码拇长伸肌和拇长屈肌的运动情况。现有的设备都是分别测量肌电或肌力，故无法将现有的设备简单叠加去同时测量单块肌肉运动。

现有的穿戴式肌电测量解决方案，大多放置在前臂位置，传感器体积较大，不适合放置在手腕。而手腕是人机交互的重要部分，以手腕为交互界面，方便与智能手表，手镯等集成，手腕部分的穿戴设备相对于臂环而言更为便利，尤其是冬季用户穿着较厚的情况下。但手腕部分因生理结构与前臂不同而造成了一些挑战和难点：例如，手腕部分直径相对于前臂更小，这要求传感器的尺寸更小。

因此，本领域的技术人员致力于开发一种可以同时采集肌肉压力与肌电信号的手势识别腕带，包括小体积高灵敏度的混合传感器，并将该传感器模块阵列集成于腕带上，用于手势识别的检测，主要特点为体积小，灵敏度高，可以在同一时间在同一位置采集肌电和肌力信号，可以进一步提高识别精度与鲁棒性，克服现有技术方案的缺陷。

技术实现要素：

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提出一种包含同时采集肌力和肌电信号的混合传感器和手势识别腕带，因为腕部相对前臂，腕部直径更小，肌腱动作更不明显，这要求采集设备体积非常小(能与腕部紧密贴合)。现有的肌电信号采集模块体积较大，不方便放置在直径小的腕部，即便放置成功也因为体积过大导致放置数量过少，不能有效识别手势，现有的压力采集设备大多采用FSR，精度不够高。可以同时采集肌肉压力与肌电信号的手势识别腕带可用于手势识别的检测，优点为体积小，灵敏度高，可以在同一时间同一位置采集肌电和肌力信号，可以进一步提高识别精度与鲁棒性，克服现有技术方案的缺陷。

为实现上述目的，本发明提供了一种同时采集肌力和肌电信号的手势识别腕带，包括腕带体、混合传感器、柔性电路连接线和电路处理模块，腕带体上布置有多个混合传感器，所述多个混合传感器通过柔性电路连接线互相连接在一起，并与电路处理模块连接。

进一步地，所述混合传感器包括金属片、软体材料、气压计和电路板，所述气压计上覆盖一层所述软体材料，所述气压计焊接在电路板之上，所述软体材料外层覆盖一层金属片，所述软体材料通过模具倾倒在电路板上，所属金属片通过预留接口与电路板相连。

进一步地，所述气压计是基于微机电系统的电子元器件。

进一步地，所述软体材料为硅胶，所述金属片为铜箔、氯化银或镀金铜片。

进一步地，所述混合传感器的体积尺寸不大于5mm×5mm×5mm。

进一步地，所述电路处理模块包括微处理器MCU、放大电路、滤波电路、蓝牙模块和电池。

进一步地，所述腕带体上设置有与腕带长度相匹配的多个混合传感器，配合穿戴于前臂部位。

进一步地，所述电路处理模块包括模式识别过程，具体步骤为：

步骤1，对于采集到的肌电与肌力信号分别加窗处理，在窗内提取肌电信号特征；

步骤2，分别训练分类器对肌电信号特征进行分类；

步骤3，通过高斯混合模型输出识别结果。

进一步地，所述肌电信号特征是绝对平均值、过零点数或波形长度。

进一步地，所述分类器是线性判别分类器。

本发明提出了一种同时采集肌力和肌电信号的手势识别腕带，是一种新型的采集装置，可以同时在同一点采集肌力和肌电信号(目前市面上无类似产品)，能够将两种信号融合有利于更精准的识别手势运动，可以提高识别的精度，日常使用的鲁棒性，提高了用户的接受程度。同时，混合传感器结构新颖，压力采集精度高，线性度好(相对于压力采集常用力敏感电阻FSR)，可以将采集点的体积限制在5mm×5mm×5mm，可以在手腕单位周长集成更多的传感器，有利于提高识别精度。本发明穿戴于腕部，相比前臂人机交互更为方便，并能集成到手表、手镯等传统腕戴设备、装饰，对于关键位置肌群运动检测有重要意义。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明一个较佳实施例的混合传感器的整体结构图；

图2是本发明一个较佳实施例的混合传感器的分解结构图；

图3是本发明一个较佳实施例的手势识别腕带结构示意图；

图4是本发明一个较佳实施例的电路处理模块的信号处理流程图；

图5是本发明一个较佳实施例的模式识别过程的流程图；

其中，1-铜箔，2-硅胶，3-气压计，4-电路板，5-柔性电路连接线，6-腕带体，7-电路处理模块，8-混合传感器。

具体实施方式

以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。

在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。

如图1和图2所示，现有单一的测量肌肉与腕带接触力的方案大多采用力敏感电阻(FSR)，而该传感方案因受原理所限，精度较低，且线性度不好，为后续识别精度的提高造成了困难。本实施例设计了新型的传感方案，通过将硅胶2覆盖在气压计3上的方案，因气压计3变化非常灵敏(可以分辨20cm垂直高度气压变化)，故灵敏度高，在气压计3上覆盖硅胶2后，将气压计3与外界环境隔绝，其读数变化只与施加在硅胶2上的压力相关，提高了鲁棒性和线性度。

如图1和图2所示，同时采集肌力和肌电信号的手势识别腕带包括的混合传感器8的结构为，在气压计3外层覆盖一层硅胶2，作为压力测量传感器，当有外界压力施加在硅胶2上时，会引起硅胶2内气压计3读数的变化，气压计3读数的变化和外界施加力之间有很强的线性相关关系，通过读取气压计3的读数，可以反求出外界压力的变化。

在硅胶2外层覆盖一层铜箔1，作为肌电信号采集的电极片，采集信号经过柔性电路连接线5接到电路处理模块7中，进行信号的，放大，滤波，数模转换，从而解析出肌电信号。通过铜箔1测量肌电和通过气压计3测量压力的传感器合在一起称为混合传感器8。

混合传感器8通过使用微机电系统MEMS气压计的方式，将最大尺寸控制在5mm×5mm，在其硅胶2之上添加肌电信号测量电极，处理电路模块7与测量电路分开的方式，将混合传感器8测量单元尺寸控制在5mm×5mm×5mm(对比商用设备Delsys tringo测量单元体积：26mm×37mm×15mm)，适合于手腕部分信号的检测。手腕部分主要是肌腱，相对于肌群丰富的前臂而言，信号质量较弱，这要求多种信号融合来实现更精准，更鲁邦地识别与控制。

如图3所示，腕带体6与上述混合传感器8之间的连接关系为：气压计3是基于微机电系统MEMS的电子元器件，焊接在电路板4之上，铜箔1粘性连接在硅胶2上，并通过设计的预留接口与电路板4相连，硅胶2通过模具倾倒在电路板4之上。该混合传感器8的模块体积很小(可以限制在5mm×5mm×5mm的体积范围内)，适用于穿戴式设备，尤其是手腕处信号的采集。

因为气压计3的分辨率高，故该信号采集模块采集压力信息精度更高，压力和肌电信号采集互不干扰，实现了小体积同时采集两种信号。

上述混合传感器8阵列排列于腕带体6之上，通过柔性电路连接线(FPC)5与电路处理模块7相连。

如图4所示，在电路处理模块7中，包含有微处理器(MCU)，放大电路，滤波电路以及蓝牙模块，电池等，主要的功能是实现了信号调理(滤波，放大)，数模转换，模式识别算法的运行以及解码信息的无线传输。不同的手势会造成不同的压力分布模式以及肌电信号模式，通过压力和肌电信号的测量，可以更加准确地还原手势。

如图5所示，模式识别过程为：首先对于采集到的肌电与肌力信号分别加窗处理，在窗内提取特征，肌电信号的特征可以是但不局限于：绝对平均值，过零点数，波形长度，随后分别训练分类器对其进行分类，分类器可以是但并不局限于：线性判别分类器。最终通过高斯混合模型输出识别结果。

在另外的较佳实施例中，硅胶2可采用其他软体材料，铜箔1可以为其他材料，例如氯化银(AgCl)、镀金铜片等。本发明虽然穿戴于手腕，但亦可穿戴于前臂等部位。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。