L’hand gesture recognition(HGR) è un campo dell’ingegneria biomedica che ha avuto un enorme sviluppo negli ultimi decenni e si occupa di fornire strumenti e dati per la progettazione di protesi e robot, per l’elaborazione dei segnali biologici e per la medicina riabilitativa. L’analisi del gesto può essere svolta a partire da misure cinematiche ottenute da sistemi optoelettronici o di motion capture, da segnali dinamici registrati da sensori inerziali posizionati sui segmenti anatomici di cui si vuole registrare il movimento. Informazione determinante per la caratterizzazione del gesto è ottenibile anche tramite l’analisi dell’attività elettrica dei muscoli coinvolti. Questo studio verte sull’utilizzo di un dispositivo semplice ed economico rispetto ad altri per l’acqiusizione di segnali inerziali ed elettromiografici e sulla valutazione della sua ecienza nella corretta classificazione di gesti della vita quotidiana. L’ulteriore obiettivo che ci si è posti è stato quello di verificare l’accuratezza del riconoscimento del gesto sulla base di alcune features estratte dai segnali EMG ed accelerometrici, per verificare se la fusione delle informazioni provenienti dalle due tipologie di segnale è necessaria per ottenere accuratezze nella classificazione o se le sole features estratte da una tipologia di segnale possono essere sucienti.
Riconoscimento di attività di vita quotidiana da segnali mioelettrici e inerziali
PRINCIPI, FILIPPO
2022/2023
Abstract
L’hand gesture recognition(HGR) è un campo dell’ingegneria biomedica che ha avuto un enorme sviluppo negli ultimi decenni e si occupa di fornire strumenti e dati per la progettazione di protesi e robot, per l’elaborazione dei segnali biologici e per la medicina riabilitativa. L’analisi del gesto può essere svolta a partire da misure cinematiche ottenute da sistemi optoelettronici o di motion capture, da segnali dinamici registrati da sensori inerziali posizionati sui segmenti anatomici di cui si vuole registrare il movimento. Informazione determinante per la caratterizzazione del gesto è ottenibile anche tramite l’analisi dell’attività elettrica dei muscoli coinvolti. Questo studio verte sull’utilizzo di un dispositivo semplice ed economico rispetto ad altri per l’acqiusizione di segnali inerziali ed elettromiografici e sulla valutazione della sua ecienza nella corretta classificazione di gesti della vita quotidiana. L’ulteriore obiettivo che ci si è posti è stato quello di verificare l’accuratezza del riconoscimento del gesto sulla base di alcune features estratte dai segnali EMG ed accelerometrici, per verificare se la fusione delle informazioni provenienti dalle due tipologie di segnale è necessaria per ottenere accuratezze nella classificazione o se le sole features estratte da una tipologia di segnale possono essere sucienti.File | Dimensione | Formato | |
---|---|---|---|
Tesi-Filippo-Principi-3-0--Copy- (6)_pdfA.pdf
embargo fino al 25/10/2026
Dimensione
7.65 MB
Formato
Adobe PDF
|
7.65 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/15307