Classification of gestures with EMG

Detalhes bibliográficos
Autor(a) principal: Silva, João Ricardo Ferreira dos Santos
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/86014
Resumo: Dissertação de Mestrado Integrado em Engenharia Mecânica apresentada à Faculdade de Ciências e Tecnologia
id RCAP_ab166bccdc6ced6cb8c67ac6c4ce6e69
oai_identifier_str oai:estudogeral.uc.pt:10316/86014
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Classification of gestures with EMGClassificação de gestos a partir de dados EMGEMGFeaturesSegmentaçãoClassificaçãoEMGFeaturesSegmentationClassificationDissertação de Mestrado Integrado em Engenharia Mecânica apresentada à Faculdade de Ciências e TecnologiaEste trabalho tem como objetivo principal a deteção, reconhecimento e classificação de gestos através de dados recolhidos a partir de sensores de eletromiografia superficiais (sEMG). A performance dos sensores é avaliada através a recolha de dados com intenção da criação de uma base de dados offline. A implementação de features e o valor do threshold das mesmas é estudado tanto para a segmentação como para a classificação de gestos. Os melhores resultados obtidos na avaliação offline foram conseguidos com uma base de dados equilibrado entre gestos e não gestos. Para a segmentação os resultados apresentaram um erro de (3.7%) com recurso ao classificador ensemble Gentleboost. Para a classificação os resultados mostram um erro na ordem de (0.9%) e foi obtido com recurso a um classificador K-nn Spearman com 1 vizinho mais próximo e 7 features implementadas. A implementação online começa a ser explorada e é rapidamente apresentada, com erro de 15% na segmentação e 35% na classificação. (((A segmentação de dados de gestos tem sido estudada nos últimos anos, por exemplo (Simão et al. 2017) abordou esse problema com o uso de uma Cyber Data Glove para detectar os gestos de mão e braço do usuário. No entanto, este método tem as desvantagens de ser caro e não prático. Além disso, em (Lopes, João 2016) este problema é abordado usando uma braçadeira MYO que usa sensores EMG combinados com unidade de movimento inercial (IMU). Esta pulseira tinha a vantagem de ser acessível, mas nem sempre era a mais confiável em termos de dados, apresentando algum erro usando os sensores juntos ou separadamente.)))This work has as its main objective the segmentation and classification of gestures through the data collected from surface electromyography (sEMG) sensors. The performance of the sensors is evaluated through the collection of data to create an offline dataset. The implementation of different features and their threshold values is studied both for the segmentation and classification of gestures. The best offline results were obtained using a balanced dataset and for a library of 7 gesture patterns. For segmentation, the result showed an error of 3.7% using a Gentle boost ensemble classifier. For classification, the results showed an error of around 0.9% and were obtained for a K - Nearest Neighbors (K-NN) Spearman classifier with one nearest neighbor and seven implemented features. The online implementation is briefly presented with the error for segmentation of 15% and an error for classification of 35%. (((The segmentation of gesture data has been studied in the last few years, for example (Simão et al. 2017) addressed this problem with the use of a Cyber Data Glove to detect the hand and arm gestures of the user. However, this method has the drawbacks of being expensive and not practical. Also, in (Lopes, João 2016) this problem is addressed using a MYO Armband that uses EMG sensors combined with inertial movement unit (IMU). This bracelet had the advantage of being affordable, but it was not always the most reliable in terms of data, presenting some error using both the sensors together or separately.)))2018-07-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/86014http://hdl.handle.net/10316/86014TID:202203832engSilva, João Ricardo Ferreira dos Santosinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2021-05-25T08:24:28Zoai:estudogeral.uc.pt:10316/86014Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:07:15.497782Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Classification of gestures with EMG
Classificação de gestos a partir de dados EMG
title Classification of gestures with EMG
spellingShingle Classification of gestures with EMG
Silva, João Ricardo Ferreira dos Santos
EMG
Features
Segmentação
Classificação
EMG
Features
Segmentation
Classification
title_short Classification of gestures with EMG
title_full Classification of gestures with EMG
title_fullStr Classification of gestures with EMG
title_full_unstemmed Classification of gestures with EMG
title_sort Classification of gestures with EMG
author Silva, João Ricardo Ferreira dos Santos
author_facet Silva, João Ricardo Ferreira dos Santos
author_role author
dc.contributor.author.fl_str_mv Silva, João Ricardo Ferreira dos Santos
dc.subject.por.fl_str_mv EMG
Features
Segmentação
Classificação
EMG
Features
Segmentation
Classification
topic EMG
Features
Segmentação
Classificação
EMG
Features
Segmentation
Classification
description Dissertação de Mestrado Integrado em Engenharia Mecânica apresentada à Faculdade de Ciências e Tecnologia
publishDate 2018
dc.date.none.fl_str_mv 2018-07-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/86014
http://hdl.handle.net/10316/86014
TID:202203832
url http://hdl.handle.net/10316/86014
identifier_str_mv TID:202203832
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133964136349696

Registros relacionados