linux平臺基于python語言的MYO手環手勢識別開發（一）

這是筆者在CSDN上發表的第一次文章也是值得紀念的日子，希望在這里和大家一起學習一起討論一起進步！

一、實作myo手環資料讀取

1.引入庫

這里我們先從github上下載作者sebastiankmiec發布的
PythonMyoLinux專案檔案中的pymyolinux（myo核心模塊）
以下是下載地址：
URL：https://github.com/sebastiankmiec/PythonMyoLinux/tree/master/pymyolinux

接著importMyoDongle模塊

from pymyolinux.core.myo import MyoDongle

2.定義方法joint_event_handler

收集8個肌電傳感器信號，4個4元數方向資料，3個加速度計值資料，3個陀螺儀資料（對應Myo上的EMG和IMU單元，并且整合為dic資料結構，代碼如下：

def joint_event_handler(emg_list, orient_w, orient_x, orient_y, orient_z, accel_1, accel_2, accel_3, gyro_1, gyro_2,
                        gyro_3, sample_num):
    MYOHW_ACCELEROMETER_SCALE = 2048.0
    MYOHW_GYROSCOPE_SCALE = 16.0
    MYOHW_ORIENTATION_SCALE = 16384.0

    # CoreDataDic
    myoDataDictionary = {'emg_1:': emg_list[0], 'emg_2': emg_list[1], 'emg_3': emg_list[2], 'emg_4': emg_list[3],
                         'emg_5': emg_list[4], 'emg_6': emg_list[5], 'emg_7': emg_list[6], 'emg_8': emg_list[7],
                         'orient_w': orient_w / MYOHW_ORIENTATION_SCALE, 'orient_x': orient_x / MYOHW_ORIENTATION_SCALE,
                         'orient_y': orient_y / MYOHW_ORIENTATION_SCALE, 'orient_z': orient_z / MYOHW_ORIENTATION_SCALE,
                         'accel_1': accel_1 / MYOHW_ACCELEROMETER_SCALE, 'accel_2': accel_2 / MYOHW_ACCELEROMETER_SCALE,
                         'accel_3': accel_3 / MYOHW_ACCELEROMETER_SCALE,
                         'gyro_1': gyro_1 / MYOHW_GYROSCOPE_SCALE, 'gyro_2': gyro_2 / MYOHW_GYROSCOPE_SCALE,
                         'gyro_3': gyro_3 / MYOHW_GYROSCOPE_SCALE
                         }

二、把收集的資料轉化為csv格式

注：csv資料格式有利于之后機器學習用sklearn的資料處理分析，本來想用txt檔案形式但是感覺不能很好的表達出資料樣本特征

1.引入庫

import os
import pandas
import pandas as pd

2.在方法joint_event_handler中添加代碼

代碼如下：

  #covert to csv
    # 實體化DataFrame物件（記得索引index=[0]）
    df=pd.DataFrame(myoDataDictionary,index=[0])
    # 防止回圈時標題頭被重復寫入（若檔案還沒創建標題頭可寫，否則header=False不可寫）
    if not os.path.exists('data.csv'):
        df.to_csv('data.csv', encoding='utf_8_sig', mode='a',index_label=False)
    else:
        df.to_csv('data.csv', encoding='utf_8_sig', mode='a', header=False,index=True)

三、主方法實作藍牙鏈接及測驗資料收集情況

主方法主要用 MyoDongle（）API實作終端對MYO手環的鏈接同步
代碼如下：

if __name__ == '__main__':
    device_1 = MyoDongle("/dev/ttyACM0")
    device_1.clear_state()

    myo_devices = device_1.discover_myo_devices()
    if len(myo_devices) > 0:
        device_1.connect(myo_devices[0])
    else:
        print("No devices found, exiting...")
        exit()

    device_1.enable_imu_readings()
    device_1.enable_emg_readings()
    device_1.add_joint_emg_imu_handler(joint_event_handler)

    # device_1.scan_for_data_packets_conditional()
    device_1.scan_for_data_packets(3)

好了讓我們來看看運行情況：


注：若遇到埠/dev/ttyACM0’權限問題

raise SerialException(msg.errno, "could not open port {}: {}".format(self._port, msg))
serial.serialutil.SerialException: [Errno 13] could not open port /dev/ttyACM0: [Errno 13] Permission denied: '/dev/ttyACM0'

用以下代碼解決：

 sudo chmod 777 /dev/ttyACM0

但是這種方法只能一次使用，所以每次都要這樣，暫時沒什么好的方法解決，如果各位有好的辦法歡迎留言！

四、未來規劃

對收集到的csv檔案針對握拳手勢進行特征提取及資料處理

五、最后

寫文章可能要壓榨一些本來不多的課余時間，更新進度可能比較緩慢請大家原諒！這個專案是我在本科生期間加入校內實驗室需要研究的專案，希望能在這些天里有不錯的進展，給自己的校園生活添一點樂趣，各位共勉！