Rozpoznání gest ruky z EMG signálu pomocí strojového učení

Abstract

Tato práce se zabývá problematikou rozpoznávání gest horní končetiny z povrchových EMG signálů zachycených na zápěstí subjektů. Pro klasifikaci jsou využívány algoritmy strojového učení LDA, SVM, KNN a RF. Výzkum je zaměřen na možné budoucí aplikace této technologie zejména v oblasti vzdáleného ovládání elektronických zařízení v reálném čase, využitelné například v chytré domácnosti, robotice nebo jiných inteligentních systémech. V práci je představena rozsáhlá analýza faktorů ovlivňujících úspěšnost algoritmů strojového učení, obsahující kromě jiného podrobný popis informačního obsahu jednotlivých vstupních svodů. Tyto poznatky jsou dále zužitkovány při návrhu konkrétního systému sestávajícího se ze dvou klasifikátorů, jež dosahují úspěšností 81,56 % a 88,62 %.

This paper addresses the problem of upper limb gesture recognition from surface EMG signals captured at the wrists of subjects. LDA, SVM, KNN and RF machine learning algorithms are used for classification. The research focuses on possible future applications of this technology, especially in the area of real-time remote control of electronic devices, useful for example in smart home, robotics or other intelligent systems. The paper presents an extensive analysis of the factors influencing the success of machine learning algorithms, including, among other things, a detailed description of the information content of each input lead. These findings are further exploited in the design of a specific system consisting of two classifiers, which achieve success rates of 81.56 % and 88.62 %.