基于多传感器融合与自适应学习的手势识别方法及系统

本申请提出一种基于多传感器融合与自适应学习的手势识别方法及系统，属于可穿戴智能设备与模式识别领域。根据人手非规则曲面形态和生物力学特性，本申请采用贴合于人手手背侧关节皮肤的柔性压力传感器阵列捕捉手指关节运动信息，基于数据驱动的K‑Means自适应聚类分组策略，实现多模态异构传感器数据在无需预设分组规则的情况下自动形成最优特征子群，从而直接从数据中学习得到高效的特征表示以实现高精度、实时的手势识别。本申请包括柔性压力传感器制备模块，数据采集模块，信号调理模块，主控通信模块，数据预处理模块，K‑Means聚类分组模块，分组独立特征提取模块，动态特征融合模块和实时识别模块。