Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Anna Strokowska

Zastosowanie kontrolera EMG Myo Armband do rozpoznawania wybranych gestów dłoni


Application of EMG Myo Armband controller for recognition of selected hand gestures


Opiekun pracy dyplomowej: dr inż. Aleksandra Królak
Praca dyplomowa inżynierska obroniona 2017-02-21
Streszczenie pracy dyplomowej:
Celem niniejszej pracy inżynierskiej było zaprojektowanie systemu pozwalającego na rozpoznawanie wybranych pięciu gestów prawej dłoni wykorzystując kontroler EMG Myo Armband . Praca została podzielona na dwie części - teoretyczną oraz praktyczną. Pierwsza część pracy opisuje kluczowe zagadnienia związane z anatomią przedramienia oraz dłoni. Zawiera niezbędne informacje dotyczące sygnału elektromiograficznego - jego charakterystykę, sposoby rejestracji oraz opis już dostępnych systemów opartych na pomiarze napięcia mięśniowego. W drugiej części pracy została opisana metodologia pomiarów, analiza otrzymanych sygnałów oraz projekt systemu klasyfikacji opartego na algorytmie najbliższej średniej umożliwiającego rozpoznawanie wybranych gestów. Aby osiągnąć zamierzenia pracy napisane zostały programy w języku Python umożliwiające analizę otrzymanych danych oraz klasyfikację wybranych gestów z dokładnością równą 80%.
Abstract:
The purpose of this thesis was to develop a system enabling automatic recognition of five selected hand gestures using EMG controller Myo Armband. The dissertation was divided into two parts - theoretical and practical. The first part of the thesis includes forearm and hand anatomy description, and basic knowledge about electromyographic signal and its properties. It also covers detection methods and description of already developed gesture recognition systems based on analysis of electric potential generated by muscles. The second part of the dissertation contains information about methodology of signal acquisition, methods used for signal analysis and description of the designed system. The classification part of the system was based on Nearest Mean algorithm and the achieved result was recognition of five selected hand gestures with 80% accuracy. The main purpose of this thesis was accomplished using scripts developed with Python programming language.