一種基于改進(jìn)DTWIMP算法的手勢識別

趙磊+周亦敏

摘要：手勢識別是一種多維空間應(yīng)用，而傳統(tǒng)DTW算法只能解決一維問題，對其進(jìn)行拓展，演化為不同維度運(yùn)用，得到一種全新基于改進(jìn)的新型算法DTWIMP，它能計(jì)算兩個N維時間序列之間的距離。以歐氏距離為元素組成矩陣，根據(jù)Bellman最優(yōu)化原理得到最優(yōu)規(guī)整路徑，結(jié)合預(yù)先錄入的手勢模版，實(shí)現(xiàn)動態(tài)手勢識別。

關(guān)鍵詞關(guān)鍵詞：DTW；DTWIMP；歐氏距離；Bellman最優(yōu)化；手勢識別

DOIDOI：10.11907/rjdk.171904

中圖分類號：TP3-0

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2017）011001204

0引言

計(jì)算機(jī)視覺技術(shù)飛速發(fā)展，人機(jī)交互技術(shù)（Human Computer Interaction，HCI）顯得愈發(fā)重要。人機(jī)交互最終目標(biāo)是人與計(jì)算機(jī)能以更直觀、自然的方式進(jìn)行交流，所謂自然交互方式是指將人與人交流的手段引入HCI。對此國內(nèi)外學(xué)者開展了大量研究，包括人臉與人體識別、面部表情、體態(tài)交互技術(shù)研究。手勢作為人機(jī)交互領(lǐng)域重要一環(huán)，具有直觀性、自然性特點(diǎn)，在交互式游戲、家電控制、手語識別、模擬訓(xùn)練及機(jī)器人控制領(lǐng)域得到了廣泛應(yīng)用。

使用傳感器（深度攝像機(jī)或LeapMotion）捕獲手勢運(yùn)動軌跡[1]。對于靜態(tài)手勢只需關(guān)心空間中手的位置與形狀；對于動態(tài)手勢實(shí)質(zhì)上需識別手勢軌跡，重點(diǎn)在于如何準(zhǔn)確在手勢時間序列上檢測到手勢起始點(diǎn)與終止點(diǎn)，規(guī)避手勢交互中回程問題。本文對一維DTW加以拓展與改進(jìn)，通過實(shí)驗(yàn)驗(yàn)證其在動態(tài)手勢識別中的重要作用。

1DTW算法分析與改進(jìn)

動態(tài)時間規(guī)整（Dynamic Time Warping，DTW）算法是一種動態(tài)規(guī)劃技術(shù)，對非線性時間歸一化后進(jìn)行模式匹配[2]。該算法是種彈性匹配算法，用以解決兩個時間序列在時間軸上長度不規(guī)整問題。

DTW算法可實(shí)現(xiàn)對于不同長度時間序列相似性的判斷，傳統(tǒng)DTW算法都是針對一維特征輸入情況，由于手勢輸入特征是多維的，需要能夠計(jì)算2個N維時間序列之間距離的算法，為此本文提出基于改進(jìn)的DTWIMP算法，原理如下：

假定有兩個不同時間序列X={x1，x2，…，xx}T與Y={y1，y2，…，yy}T，其中xi，yj是N維的向量，該時間序列長度分別為X與Y，構(gòu)造規(guī)整路徑Z={z1，z2，…，zz}T。因此規(guī)整路徑序列Z的長度定義如下：

3實(shí)驗(yàn)分析驗(yàn)證

3.1模板相似度分析

獲取模板距離后，可根據(jù)相似度公式分別計(jì)算出當(dāng)前輸入序列與各手勢模板之間相似度（見圖6）。橫軸代表手勢模板類型，不同線型代表當(dāng)前輸入序列與模板相似度。以手勢O為例，定義輸入序列與模板序列之間相似度為Likehoods，可得輸入序列與手勢模板O之間相似度最大，Likehoodsmax=0.365，而該輸入序列與其他模板手勢相似度明顯低于該值，表明該輸入序列最可能的分類標(biāo)簽是手勢O。其余手勢相似度曲線可由類似分析得到結(jié)論。

圖6測試序列與參考模板相似度

3.2模型平均正確分類比率分析

評估DTWIMP算法對應(yīng)不同訓(xùn)練樣本的分類性能，對于MCI系統(tǒng)而言極其重要，因?yàn)槿绻褂?組訓(xùn)練樣本與使用30組樣本能達(dá)到同樣分類性能，則數(shù)據(jù)采集及訓(xùn)練階段將會節(jié)省大量時間。

ACCR（Average Correct Classification Ratio）代表平均分類正確率，為了驗(yàn)證每種手勢樣本訓(xùn)練數(shù)據(jù)集大小對DTWIMP算法分類性能影響（如3組樣本訓(xùn)練集得到分類器性能與20組樣本訓(xùn)練集得到分類器性能肯定不同）。設(shè)計(jì)如下實(shí)驗(yàn)：選取10名參與者，對同一種手勢分別進(jìn)行η（3≤η≤20）次樣本數(shù)據(jù)實(shí)驗(yàn)，因估計(jì)模板閾值至少需要3組訓(xùn)練樣本，所以最小取值3而非1。為避免選取實(shí)驗(yàn)樣本出現(xiàn)“極好”情況（隨機(jī)挑選訓(xùn)練數(shù)據(jù)得到最好模板），η的取值應(yīng)重復(fù)10次，分別記錄每一次ACCR值，盡量保證訓(xùn)練樣本質(zhì)量在同一水平，記錄ACCR平均值來驗(yàn)證算法性能（見圖7）。

圖7分類正確率與樣本數(shù)量關(guān)系

從上述數(shù)據(jù)可以看出，DTWIMP算法在訓(xùn)練集大小為3時，ACCR達(dá)到了74.55%正確率，在訓(xùn)練集大小為20時，達(dá)到了94.18%的正確率。ACCR總體趨勢是大小與訓(xùn)練集樣本數(shù)量呈正比趨勢，訓(xùn)練集大小達(dá)到12時，ACCR值超過90%（虛線）；訓(xùn)練集大小超過12后，ACCR提升并不明顯。

實(shí)驗(yàn)發(fā)現(xiàn)，η的每次重復(fù)實(shí)驗(yàn)中，10名參與者標(biāo)準(zhǔn)偏差非常大，這表明DTWIMP分類性能很大程度取決于訓(xùn)練樣本質(zhì)量，例如某些參與者使用3組樣本數(shù)據(jù)得到了ACCR值大于90%的結(jié)果，而另一些參與者使用3組不同質(zhì)量樣本集卻得到了ACCR值小于70%的結(jié)果。說明樣本集質(zhì)量好壞對于分類算法結(jié)果具有重要影響。從圖7可以看出，實(shí)際手勢模板訓(xùn)練中，綜合算法魯棒性及節(jié)約時間考慮，每種手勢樣本集大小不少于12即可得到90%以上分類正確率。

3.3算法改進(jìn)前后實(shí)時性對比

DTWIMP算法對全局規(guī)整進(jìn)行邊界約束，減少模板匹配所需計(jì)算次數(shù)，節(jié)省規(guī)整時間，提高了算法實(shí)時性[10]。以本文6種手勢樣本為例，分別重復(fù)進(jìn)行50次預(yù)測實(shí)驗(yàn)，記錄算法改進(jìn)前后50次預(yù)測時間，圖8為改進(jìn)前后手勢O預(yù)測時間對比。

圖8算法改進(jìn)前后手勢O預(yù)測時間對比

通過計(jì)算，6種手勢算法改進(jìn)前平均耗時37.75ms，改進(jìn)后平均耗時25.75ms，驗(yàn)證了經(jīng)過路徑約束后，算法實(shí)時提高31.79%（見表1）。

4結(jié)語

DTWIMP算法為多元狀態(tài)空間動態(tài)手勢提供了強(qiáng)大分類能力，實(shí)驗(yàn)結(jié)果證明該算法對于預(yù)定義的幾種手勢（在數(shù)據(jù)預(yù)分割與有限訓(xùn)練數(shù)據(jù)集條件下）有著優(yōu)秀分類性能，同時該算法對于連續(xù)數(shù)據(jù)流中包含無關(guān)空手勢的情況也取得了合適的分類結(jié)果。endprint

本文基于傳統(tǒng)動態(tài)時間規(guī)劃算法提出了多維狀態(tài)空間DTWIMP算法，對全局規(guī)劃路徑進(jìn)行限制，通過改進(jìn)后DTWIMP算法對手勢特征輸入進(jìn)行訓(xùn)練，輔以相應(yīng)濾波、預(yù)處理、后處理，并通過KFolds折交叉驗(yàn)證模型健壯性。實(shí)驗(yàn)結(jié)果證明，較之基于顏色空間、手型等識別方法，該方法對于復(fù)雜背景具有良好適應(yīng)性與魯棒性，識別速度與識別準(zhǔn)確率均有提高。另外，本文只研究了動態(tài)手勢，但很多場景下靜態(tài)手勢識別也非常重要，因此如何提取手型特征將是一個難點(diǎn)

參考文獻(xiàn)參考文獻(xiàn)：

[1]余旭.基于Kinect傳感器的動態(tài)手勢識別[D].重慶：西南大學(xué)，2014.

[2]楊潔，康寧.動態(tài)時間規(guī)整DTW算法的研究[J].科技與創(chuàng)新，2016（4）：1112.

[3]WANG L， ZHANG Y， FENG J. On the euclidean distance of images[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence，2005，27（8）：13341339.

[4]徐波，于勁松，李行善.基于路徑約束的動態(tài)時間規(guī)整方法研究[J].系統(tǒng)工程與電子技術(shù)，2004，26（1）：103105.

[5]吳宇瓊，楊巧梅.Bellman最優(yōu)模型的應(yīng)用[J].北方經(jīng)貿(mào)，2007（8）：142144.

[6]HERNANDEZVELA A， BAUTISTA M A， PEREZSALA X， et al. BoVDW： bagofvisualanddepthwords for gesture recognition[C].International Conference on Pattern Recognition，2012：449452.

[7]F CHANG， HC CHEN， HC LIU. Double kfolds in SVM[C]. Blumenau：Innovative Mobile and Internet Services in Ubiquitous Computing （IMIS），2015.

[8]高岳林，徐成賢.邊界約束非凸二次規(guī)劃問題的分枝定界方法[J].運(yùn)籌學(xué)學(xué)報(bào)，2001，5（4）：8189.

[9]曲智國，高穎慧，王平，等.基于空頻域聯(lián)合閾值分割的輪廓檢測方法[J].計(jì)算機(jī)科學(xué)，2012，39（10）：286289.

[10]柯映林，賈明.帶邊界約束的B樣條曲面逼近[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003，15（12）：15491553.

責(zé)任編輯（責(zé)任編輯：何麗）endprint