基于支持向量機(jī)的人機(jī)交互媒體播放界面手勢識別方法

張琳欽

(安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院 計算機(jī)與藝術(shù)學(xué)院,合肥 230051)

0 引言

人工智能到來,云計算和物聯(lián)網(wǎng)技術(shù)逐漸興起,人們對計算機(jī)能夠正確執(zhí)行命令和操作的需求越來越大[1]。在遠(yuǎn)程電子醫(yī)學(xué)中,構(gòu)建一個更好的人機(jī)互動平臺,已經(jīng)成為互聯(lián)網(wǎng)時代的重要技術(shù)需求和趨勢[2]。由于手勢的應(yīng)用場景越來越復(fù)雜,在近距離攝像機(jī)的拍攝情況下,手勢的辨識越來越不能完全適應(yīng)人體的需要,而距離、角度等因素也會對手勢的辨識產(chǎn)生很大的影響[3]。如果手勢與攝像機(jī)的鏡頭沒有對準(zhǔn)就拍攝,那么畫面中的手勢就會出現(xiàn)扭曲,甚至是手指交叉,導(dǎo)致手勢特征發(fā)生變化,計算機(jī)系統(tǒng)也會出現(xiàn)錯誤識別。因此,在復(fù)雜的工作環(huán)境中,必須對手勢識別技術(shù)進(jìn)行深入探索和開發(fā)。

王勇等[4]利用 FM序列波雷達(dá)多維特征,建立了一種用于卷積型神經(jīng)網(wǎng)絡(luò)的手勢辨識算法。在此基礎(chǔ)上,利用時間-頻率的方法對手勢運動的雷達(dá)信號進(jìn)行了分析,得到了手勢運動的多維參量。針對手部特征的提取與準(zhǔn)確識別問題,采用多分支網(wǎng)絡(luò)和多維特征融合的方法,對其進(jìn)行了研究。但該算法不能克服手勢辨識信息不足的問題,識別精度不高。韓崇等[5]選擇FM連續(xù)波雷達(dá)作為研究基礎(chǔ),提出一種手勢識別的方法。采用多普勒法對手部反射的毫米波雷達(dá)進(jìn)行了靜態(tài)多普勒消除,并通過動態(tài)目標(biāo)的濾波,降低了對手勢信號的干擾和運算的工作量。在此基礎(chǔ)上,給出了一種基于移動目標(biāo)的手勢空間特征壓縮表達(dá)算法,通過手勢移動的主導(dǎo)速率描述手勢動作的特點,從而對多維度進(jìn)行了壓縮,同時保持了動作中的主要特點。但這種識別技術(shù)未有效過濾手勢圖像的掩模,導(dǎo)致識別精度不高。

為了解決現(xiàn)有方法的不足,進(jìn)一步提高手勢識別精度,本文將支持向量機(jī)應(yīng)用到了人機(jī)交互媒體播放界面的手勢識別中,實現(xiàn)人與機(jī)器的交流。與現(xiàn)有方法不同,該方法創(chuàng)新性利用Cam Shift方法跟蹤用戶手勢,提取出人機(jī)交互媒體播放界面中的手勢特征,克服了手勢辨識信息不足的問題。引入高斯濾波函數(shù),過濾手勢圖像的掩模,確定手心位置,完成手勢圖像的分割。利用支持向量機(jī)的分類閾值,計算手勢圖像的分類面,引入拉格朗日算法,將最優(yōu)分類面問題轉(zhuǎn)化為對偶性問題,完成播放界面的手勢識別。

1 人機(jī)交互媒體播放界面手勢識別方法設(shè)計

1.1 提取人機(jī)交互媒體播放界面中的手勢特征

人機(jī)交互媒體播放界面中,通過引入特征搜索窗口,對手勢跟蹤的窗口進(jìn)行分割,并將用戶的手勢圖像存儲在跟蹤窗口中[6]。在搜索窗口內(nèi),結(jié)合逐步細(xì)化原則,在人機(jī)交互媒體播放界面刪除非手勢區(qū)域,確定手勢區(qū)域范圍,具體步驟如下:

步驟1:如果手勢跟蹤窗口依次為Kx、Ky、Kw和Kz,提取手勢特征之前,先初始化四個手勢圖像跟蹤窗口;

步驟2:利用Cam Shift方法對人機(jī)交互媒體播放界面中用戶的手勢進(jìn)行跟蹤[7],得到初始的手勢區(qū)域搜索窗口;

步驟3:調(diào)整手勢區(qū)域的搜索窗口,確保搜索窗口與跟蹤窗口中的手勢包圍盒一致,計算出包圍盒的長寬比φ,如果φ在[0.5,0.85]區(qū)間內(nèi)取值,可以直接提取出用戶手勢圖像的空間特征,如果φ不在[0.5,0.85]區(qū)間內(nèi)取值,執(zhí)行步驟4;

步驟4:分割用戶的手勢圖像,在手勢區(qū)域中提取出膚色特征,并進(jìn)行編碼,然后再對該膚色區(qū)域進(jìn)行顏色識別,計算出目標(biāo)像素點在手勢區(qū)域中的個數(shù),計算公式為[8]:

(1)

式中:L表示包圍盒的長度,也是搜索區(qū)域的長度;W表示包圍盒的寬度,即搜索區(qū)域的寬度;函數(shù)可以利用公式(2)表示:

(2)

式中,Ω0表示目標(biāo)像素在用戶手勢圖像中存在的區(qū)域。

步驟5:通過對其他膚色區(qū)域進(jìn)行識別,選取一塊具有適當(dāng)比例的長方形,以判斷用戶的手部位置,將所選取的長方形與用戶的手部位置相匹配,并將所述位置信息賦值給Kx、Ky、Kw和Kz,執(zhí)行步驟2。

根據(jù)以上步驟即可確定用戶的手勢區(qū)域,然后在手勢區(qū)域內(nèi)提取出用戶手勢的特征。為了提高手勢識別的準(zhǔn)確性,提取出的用戶手勢特征必須能夠反映出手勢動作的運動學(xué)特性。

在人機(jī)交互媒體播放界面中,波峰數(shù)量、手勢的長度和能量特征都可以作為用戶手勢的主要特征。其中用戶手勢長度可以通過下式計算得到[9]:

L=dz-dq

(3)

式中:dz表示手勢軌跡產(chǎn)生的終點;dq表示手勢軌跡形成的起點。

假設(shè)用戶手勢產(chǎn)生的能量為Em,通過下式計算:

(4)

式中:αxi、αyi和αzi表示用戶手勢產(chǎn)生過程中在x軸、y軸和z軸的加速度;gx、gy和gz表示地球引力作用下的重力加速度。

用戶手勢在每一個坐標(biāo)軸產(chǎn)生的加速度會對應(yīng)一個波峰數(shù),那么用戶手勢的波峰數(shù)特征可以通過下式計算:

B=Bx+By+Bz

(5)

式中,Bx、By和Bz表示αxi、αyi和αzi對應(yīng)的波峰數(shù)。

根據(jù)以上過程,提取出人機(jī)交互媒體播放界面中的手勢特征。

1.2 分割人機(jī)交互媒體播放界面手勢

人機(jī)交互媒體播放界面中的手勢區(qū)域有很多特征點,假設(shè)用戶手掌的位置與攝像機(jī)之間的距離在1 m以內(nèi),依據(jù)指尖朝上、手心對準(zhǔn)攝像頭的原則,使得手掌所在的平面與攝像機(jī)平面之間的夾角在45°以內(nèi),通過手勢分割,處理手勢的深度信息,其步驟如下:

步驟1:在手勢深度圖像中,定義Ap,q為其中一個像素點;

步驟2:通過掃描用戶手勢的深度圖像,得到圖像中深度值最小的點Xmin;

步驟3:假設(shè)λdepth=20為用戶手勢深度圖像分割的閾值,得到手勢形成范圍[10]:

(6)

步驟4:利用二值化概念,處理手勢圖像所在范圍,得到手勢圖像的掩模Y(p,q),即:

(7)

在手勢形成范圍內(nèi),預(yù)先分割手勢圖像的深度特征,包括手腕信息和手臂信息。根據(jù)深度特征識別冗余信息后對其消除,可以增強(qiáng)人機(jī)交互媒體播放界面的手勢識別效果[11]。

消除冗余信息之前,先定位到手心的位置,由于手心的范圍大于手指的范圍,因此手勢圖像的掩模點密度最大,引入高斯濾波函數(shù),過濾掉手勢圖像的掩模Y(p,q),計算出濾波結(jié)果的標(biāo)準(zhǔn)差[12],即:

(8)

高斯濾波的引入可以確定用戶的整個手部范圍,用Yf(p,q)表示,在手部范圍內(nèi)選擇一個與最大灰度值對應(yīng)的特征點Sg,將Sg作為手心位置。

確定了用戶手勢圖像中的手心位置后,分割手勢范圍,步驟如下:

步驟1:將手勢區(qū)域內(nèi)切圓的圓心作為手心的位置,e=1 pxl為分割的初始值;

步驟2:增加e的大小;

步驟3:當(dāng)從屬范圍內(nèi)95%的點都在切圓范圍內(nèi)時,即可分割手勢范圍,即:

ψ=H-W-Z

(9)

式中:W表示手腕區(qū)域;Z表示手掌區(qū)域。

通過確定用戶手勢圖像中的手心位置,完成人機(jī)交互媒體播放界面手勢的分割。

1.3 識別人機(jī)交互媒體播放界面手勢

人機(jī)交互媒體播放界面手勢識別中,利用支持向量機(jī)將用戶手勢圖像劃分為兩類,選擇其中一類圖像,提取出手勢圖像的特征向量,利用下式表示手勢圖像的樣本集合[13]:

(10)

假設(shè)ξ代表支持向量機(jī)的分類閾值,利用下式計算出手勢圖像的分類面:

(11)

(12)

式中,hχ表示拉格朗日與手勢圖像的乘子。將(xχ,yχ)代入到公式(12)中,經(jīng)過多次迭代,利用支持向量機(jī)訓(xùn)練手勢圖像樣本。

迭代處理之后,利用支持向量機(jī)的尋優(yōu)策略,得到人機(jī)交互媒體播放界面手勢圖像的最優(yōu)分類函數(shù),識別人機(jī)交互媒體播放界面手勢[15],即:

(13)

綜上所述,利用支持向量機(jī)得到手勢圖像的最優(yōu)分類函數(shù),識別人機(jī)交互媒體播放界面手勢。

2 實驗分析

2.1 實驗環(huán)境參數(shù)

考慮到攝像機(jī)傳感器單位時間內(nèi)可以獲取100幀數(shù)據(jù),為了避免采集到的手勢數(shù)據(jù)出現(xiàn)冗余,需要在如下實驗參數(shù)下開展實驗,保證實驗數(shù)據(jù)的質(zhì)量。

實驗硬件環(huán)境:2xXeon E5-2620 V3的CPU、16G顯存、32G內(nèi)存以及雙 K40M的GPU。

實驗軟件環(huán)境:Windows 10操作系統(tǒng)。

2.2 實驗數(shù)據(jù)

實驗數(shù)據(jù)是利用開源軟件LIBSVM-3.55在MATLAB下獲取的,利用攝像機(jī)拍攝10個人的手勢圖像,攝像機(jī)的型號為?？低曃炇换ゾW(wǎng)絡(luò)監(jiān)控攝像機(jī)CS-F2-31WFSRT。像素為100萬dpi,最低照度為 0.01 lx,鏡頭3 mm,分辨率720 px×720 px。為了保證實驗結(jié)果的真實性,選擇第3次拍攝的手勢圖像,組成訓(xùn)練數(shù)據(jù)集,其他7次拍攝到的手勢圖像組成測試集,根據(jù)支持向量機(jī)的原理,分類訓(xùn)練集中的手勢圖像。實驗數(shù)據(jù)集組成如圖1所示。

圖1 實驗數(shù)據(jù)集組成

在圖1的實驗數(shù)據(jù)集中,十種手勢圖像的實驗數(shù)據(jù)量如表1所示。

表1 實驗數(shù)據(jù)量

在測試集中,選擇手勢1進(jìn)行手勢識別效果測試,由于攝像機(jī)采集的手勢數(shù)據(jù)會受到各種因素影響,導(dǎo)致手勢圖像的邊緣出現(xiàn)鋸齒,以圖2的手勢圖像作為實驗數(shù)據(jù)進(jìn)行識別。

圖2 手勢圖象

2.3 手勢識別

利用文中方法識別用戶手勢的原始圖像,得到如圖3所示手勢識別結(jié)果。根據(jù)圖3的結(jié)果可知,采用文中方法識別人機(jī)交互媒體播放界面手勢時,能夠清晰保留手勢圖像的邊緣特征,具有較強(qiáng)的圖像濾波能力,提高了手勢識別的質(zhì)量。

圖3 手勢識別結(jié)果

2.4 對比分析

為了避免實驗結(jié)果的單一性,將基于FMCW雷達(dá)的識別方法和基于時空壓縮特征表示學(xué)習(xí)的識別方法與文中方法作對比,分別測試實驗數(shù)據(jù)集中十種手勢的定位精度和識別效率,手勢識別準(zhǔn)確率測試結(jié)果如圖4所示。從圖4的結(jié)果可以看出,采用基于FMCW雷達(dá)的識別方法時,對數(shù)據(jù)集中十種手勢的識別準(zhǔn)確率在50%至70%之間,說明FMCW雷達(dá)對手勢的識別存在一定誤差。采用基于時空壓縮特征表示學(xué)習(xí)的識別方法時,對數(shù)據(jù)集中十種手勢的識別準(zhǔn)確率有所提高,在60%至80%之間。采用文中方法時,由于支持向量機(jī)能夠?qū)κ謩輬D像進(jìn)行分類,并跟蹤手勢圖像多特征點,可將人機(jī)交互媒體播放界面中手勢的識別準(zhǔn)確率提高到90%以上。

圖4 手勢識別準(zhǔn)確率測試結(jié)果

3 結(jié)論

本文提出一種基于支持向量機(jī)的人機(jī)交互媒體播放界面手勢識別方法,經(jīng)過實驗測試發(fā)現(xiàn),該方法可以識別到人機(jī)交互媒體播放界面中的手勢,并將手勢識別準(zhǔn)確率提高到90%以上。本文的研究雖然取得一定成果,但是還存在需要改進(jìn)的地方,其中人機(jī)交互媒體播放界面中用到的手勢識別方法有很多,對于軌跡手勢和非軌跡手勢的融合研究不夠完善,這也是下一步研究工作的重點。