Classification of hand gestures based on nested polynomials by means of EMG
Abstract
The document presents a classification of different types of hand gestures by means of myoelectric signals (EMG), which will be processed by a Kernel Gaussian type filter, for subsequent classification using the Nested Polynomials method. The results of the classification process are the correct identification of a single gesture, as well as the classification of multiple gestures at the same time. After having the results of the classification, they can be implemented in various applications later.
Downloads
References
A.Mohemmed, Shliebs, S., Matsuda, S., and Kasabov, N. (2011). Method for training a spiking neuron to associate input-output spike trains. Engineering Applications of Neural Networks, Springer Berlin Heidelberg, pages 219–228.
Anillo, A. S., Lorente, L. E. M., and Rojas, M. D. B. (2017). Matriz de electrodos de emg para deteccion de intención de movimiento de la mano. In de Madrid, U. C. I., editor, Trabajo Recepcional. Escuela Politecnica Superior de Leganes, España.
Campoverde, C. I. M. and Nacipucha, J. M. N. (2016). Diseno e implementacion de un prototipo de exoesqueleto destinado a la rehabilitación de codo. In Trabajo recepcional. Universidad de Cuenca, Cuenca, Ecuador.
Chimal, I. B. (2017). Desarrollo de una api para el dispositivo myo. In Tesis de maestría. Universidad Veracruzana, Xalapa,Ver., Mex. de los Santos Bojorquez, H. R. (2015). Control de robots manipuladores con senales mioeléctricas. In Tesis de especialidad. Centro de Ingeniería y Desarrollo Industrial, Santiago de Queretaro, Qro., Méx. ́
Guachamin, J. Z. (2017). Implementacion de un sistema de clasificación de gestos del brazo humano utilizando myo armband para mano a distancia de un brazo robotico de 3gdl. Escuela Politécnica Nacional, Quito, Ecuador.
Gutierrez, L. R. L., Rodr ́ıguez, J. L., and Carrochano, E. B. (2018). Spike quaternion neural networks control for a hand prosthesis. 2018 IEEE Latin American Conference on Computational Intelligence (LA-CCI), [En l ́ınea]:1–6.
J..Brazeiro, Petraccia, S., and Valdes, M. (2015). Mano controlada por señales musculares. In Memoria de proyecto. Universidad de la Republica, Montevideo, Uruguay.
Miguel, A. M., Perez, S. A. V., Merlin, E. G., Montiel, M. A., and E. Lugo, R. M. L. (2016). Control de movimiento de una mano robotica mediante senales electromiográficas. In ́ Memorias XXXIX del Congreso Nacional de Ingeniería Biomédica, pages 73–76. Nombre de la editorial, Merida, Yuc., Mex. ́
Villamil, D. C. A. and Sanchez, F. D. B. (2018). Sistema de conexion inalámbrica entre un brazalete myo y una protesis de miembro superior por medio de bluetooth de baja energ ́ıa. Universidad Distrital Francisco Jose de Caldas, Bogota, Colombia. ́
Villeda, A. L., Sanchez, F. J. R., Ram ́ırez, O. A. D., and Vega, V. P. (2013). robotic design of an upper limbexoskeleton for motion analysis and rehabilitation of paediatric neuromuscular disorders. Converging Clinical and Engi. Research, Springer Berlin Heidelberg, pages 265–269.
