基于GO-SWCNT@PDMS压力传感器的手势识别

摘要

手势作为人类最早且仍在广泛应用的通信方式，在姿势语言中占据着重要地位。为解决基于计算机视觉和射频雷达的传统手势识别面临环境影响和成本较高的问题，将柔性压力传感器封装在手指关节处，通过监测手指弯曲而引起的电阻变化进行手势识别，排除了周围环境对手势识别的影响，解决了传统射频雷达成本较高的局限性。所制备的柔性压力传感器灵敏度最高可达13.57 kPa^-1，加载响应时间为63 ms，卸载响应时间为84 ms，且具有良好的稳定性（>4 000次循环）。手势识别使用时域卷积网络-全卷积网络（Temporal Convolutional Network-Fully Convolutional Network, TCN-FCN）并联深度学习算法，对9种具有强时空耦合特性的手势进行训练和测试，最终识别平均准确率稳定维持在95%以上。该研究为增强现实以及人机交互等领域提供了一种便捷高效的手势识别方式。

关键词

压力传感器 / 褶皱结构 / 深度学习 / 手势识别

基金资助

国家重点研发计划资助项目（2023YFB3209100）; 山西省基础研究计划青年科学研究项目（202303021222087）; 国家自然科学基金区域创新发展联合基金（U24A20136）