ANALISIS DE EXACTITUD DE RECONOCIMIENTO GESTUAL APLICANDO SVM Y K-NN EN SEÑALES EMG

Abstract

The use of the gesture using hands, face, and body positions, establish a form of man-machine communication that has yet to be studied deeply and widely. The purpose of this paper is to illustrate the feasibility of gestural recognition performed with the hand by using a wearable (MYO), which captures the electromyographic (EMG) signals produced by the forearm´s muscles, precisely by forming and maintaining the gesture. The EMG signals are captured using surface electrodes and applied in classifier algorithms to achieve gesture recognition. Twenty-one volunteers participated in this research and two hundred and seventythree gestures were analyzed. Two classifiers were evaluated, namely k-Nearest Neighbor (k-NN) and Support Vector Machines (SVM). SVM-based classifier with Polynomial kernel (97.81%) and Radial kernel (93.03) achieved the best results. A gestural dictionary of hand poses was implemented that can be used for similar research, especially in human-machine control tasks interaction.

Keywords

: EMG signals; gesture control interface; gestural recognition; SVM classifier; gestural dictionary

Resumen

: El uso del gesto, sea manual, facial y postural, establece una formade comunicación hombre-máquina que aún debe ser estudiada profunda yampliamente. Esta investigación establece la factibilidad del reconocimiento de losgestos o posturas de la mano usando un wearable (brazalete MYO) para la capturalas señales electromiográficas (EMG) producidas por los músculos del antebrazo alformar un gesto. La información es capturada usando electrodos de superficie paraluego, mediante el uso de clasificadores, lograr su reconocimiento. Participaronveintiún voluntarios y se analizaron doscientos setenta y tres gestos. Se evaluarondos clasificadores, a saber, k-Nearest Neighbor (k-NN) y Support Vector Machines(SVM). El clasificador basado en SVM con núcleos Radial (93,03%) y Polinomial(97,81%) logró los mejores resultados. Además, se implementó un diccionariogestual que puede ser usado en investigaciones similares especialmente para tareasde control e interacción hombre-máquina.

Palabras Clave

Señales EMG; Interfaz de control gestual; reconocimiento gestual; Clasificador SVM; diccionario gestual.

Acceder