一種基于BP神經(jīng)網(wǎng)絡(luò )的手勢識別系統設計

　　0 引 言

　　隨著(zhù)科技的發(fā)展和進(jìn)步，計算機已經(jīng)漸漸適應人的需求。人類(lèi)在利用計算機解決問(wèn)題時(shí)，并沒(méi)有將主觀(guān)能動(dòng)性和計算機的高效性有機地結合起來(lái)。研究新型的人機交互工具能夠打破這一障礙。當虛擬現實(shí)越來(lái)越被人熟知時(shí)，可以使用手勢作為載體進(jìn)行人機交互。

　　目前，手勢輸入的種類(lèi)有基于圖像的和基于加速度傳感器的。由于圖像的手勢識別對外部環(huán)境的依賴(lài)比較大，而加速度傳感器識別就不受外部條件的限制，甚至可以依靠單手完成操作，因此，基于加速度傳感器的方法能有效地識別手勢動(dòng)作，完成人機交互。本文采用ADXL335 三軸加速度傳感器分別采集五個(gè)手指和手背上的加速度信息，實(shí)現手勢的輸入。

　　1 手勢識別方法

　　手勢的執行是一個(gè)動(dòng)態(tài)的過(guò)程，主要表現在手指彎曲引起的手的形狀和手在空間的位置和方位的變化，需要從時(shí)間和空間兩方面來(lái)描述。根據手勢的時(shí)變特征，可將手勢分為靜態(tài)手勢和動(dòng)態(tài)手勢。從測量的角度看，靜態(tài)手勢可用某一時(shí)刻手的空間特征的測量值來(lái)表示，而動(dòng)態(tài)手勢是指需要使用隨時(shí)間變化的空間特征來(lái)描述的手勢。靜態(tài)手勢可以用各個(gè)關(guān)節測得的特征值來(lái)表示，而動(dòng)態(tài)手勢需用一段時(shí)間內手的空間特征的一組測量序列值來(lái)表示。人的手有多個(gè)自由度，運動(dòng)十分靈活、復雜，而且不同的人，手的大小不同。因此，同樣的手勢，不同的人作出時(shí)手的運動(dòng)會(huì )存在差別;同一個(gè)人在不同的時(shí)間、地點(diǎn)作出手勢也不一樣。所以，本文主要針對靜態(tài)手勢的數據手套進(jìn)行分析研究。

　　2 手勢的識別技術(shù)

　　目前，比較流行的手勢識別技術(shù)有模板匹配法、特征提取和BP 算法等。

　　模板匹配法：主要是將傳感器輸入的原始數據與預先存儲的模板進(jìn)行匹配，通過(guò)測量?jì)烧咧g的相似度來(lái)完成識別任務(wù)。由于需要大量的基礎數據作為匹配對象，所以受到噪聲、光照、復雜環(huán)境影響較大，并且匹配速度慢。但是，模板匹配法簡(jiǎn)單、易掌握，普及程度高。

　　特征提?。涸谔卣魈崛∵^(guò)程中，輸入數據中的低層特征被提取出來(lái)，經(jīng)過(guò)分析而轉化成包含手形語(yǔ)義的高層特征，然后用高層特征進(jìn)行手形識別。

　　BP 算法：是一種按誤差逆傳播算法訓練的多層前饋網(wǎng)絡(luò )。

　　BP 網(wǎng)絡(luò )的學(xué)習規則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調整網(wǎng)絡(luò )的權值和閾值，使網(wǎng)絡(luò )的誤差平方和最小。

　　3 BP 算法

　　BP 神經(jīng)網(wǎng)絡(luò )是一種前向傳播的多層網(wǎng)絡(luò )，網(wǎng)絡(luò )除了輸入節點(diǎn)以外，還有一層或多層隱含節點(diǎn)。其訓練方法被稱(chēng)為誤差反傳播算法，它利用實(shí)際輸出和期望輸出之差對網(wǎng)絡(luò )的多層連接權由后向前逐層進(jìn)行校正。BP 網(wǎng)絡(luò )的最大缺點(diǎn)是樣本訓練的收斂速度慢。為提高網(wǎng)絡(luò )的收斂速度，同時(shí)防止網(wǎng)絡(luò )的振蕩發(fā)散，本次選取的BP 神經(jīng)網(wǎng)絡(luò )是1 個(gè)3 層BP 網(wǎng)絡(luò )結構( 含1 個(gè)隱層)，隱單元及輸出單元用sigmoid 函數輸出，輸出共分為10 類(lèi)，即輸出神經(jīng)元個(gè)數為10.由于輸入矢量為處理后的手部加速度傳感器( 用18×10 的數字矩陣表示) ，因此第一層為240 個(gè)神經(jīng)元，第二層為隱含層。根據經(jīng)驗，其神經(jīng)元數目一般為輸入矢量維數的10 %，為26 個(gè)神經(jīng)元，采用改進(jìn)的BP 算法。將每個(gè)樣本對應的矩陣元素值輸入神經(jīng)網(wǎng)絡(luò )的各個(gè)輸入單元，并為每個(gè)輸出單元指定期望輸出，計算每個(gè)輸出單元的實(shí)際輸出與期望輸出的誤差以及隱含層誤差。計算實(shí)際輸出與期望輸出的誤差公式為：

　　式中的負號表示梯度下降，常數η ∈(0，1)代表學(xué)習速率。

　　由于BP 神經(jīng)網(wǎng)絡(luò )算法的收斂速度慢，優(yōu)化的目標函數非常復雜，所以需要優(yōu)化學(xué)習速率。三層感知器的BP 學(xué)習算法權值調整計算公式為：

　　將每個(gè)加速度傳感器中每個(gè)軸的數據特征向量作為神經(jīng)網(wǎng)絡(luò )的輸入，所以神經(jīng)的輸入層神經(jīng)元個(gè)數等于特征向量的維數，即9×18=162 個(gè)輸入神經(jīng)元。輸出層神經(jīng)元個(gè)數的確定因為要識別10 個(gè)數字，因此輸出選擇為10×1 的矩陣，即輸出節點(diǎn)數為l0.當0 ~ 9 輸入神經(jīng)網(wǎng)絡(luò )后在輸出神經(jīng)元對應的位置上為1，其他的位置為0.輸入數字0，第1 個(gè)輸出神經(jīng)元為1，其他為0 ;輸入數字1，第2 個(gè)輸出神經(jīng)元為1，其他為0 ;依此類(lèi)推。

　　隱含層數越多， 神經(jīng)網(wǎng)絡(luò )學(xué)習速度就越慢。根據Kosmogorov 定理，在合理的結構和恰當的權值條件下，3 層BP 網(wǎng)絡(luò )可以逼近任意的連續函數。因此，我們選取結構相對簡(jiǎn)單的3 層BP 網(wǎng)絡(luò )。

　　一般情況下，神經(jīng)元個(gè)數與函數收斂程度有關(guān)。根據經(jīng)驗公式s=sqrt(n×m)，其中，m 為輸入神經(jīng)元個(gè)數，n 為輸出神經(jīng)元個(gè)數，得出隱含層神經(jīng)元個(gè)數為40 個(gè)。

　　采用定義學(xué)習速率和采用帶動(dòng)量因子算法兩種改進(jìn)方法。

　　識別內容為數字0 ~ 9，利用手勢特征，提取每個(gè)加速度傳感器中每個(gè)軸的數據作為BP 的數據輸入參數，為BP 進(jìn)行初始化及參數訓練，可以提高數據的識別率。在學(xué)習收斂的情況下，增大η，以縮短學(xué)習時(shí)間;當η 偏大致使不能收斂時(shí)，要及時(shí)減小η，直到收斂為止。將上一次權值調整量的一部分迭加到按本次誤差計算所得的權值調整量上，作為本次的實(shí)際權值調整量，即：

　　4 實(shí)驗結果分析

　　通過(guò)Matlab 計算所得出得神經(jīng)網(wǎng)絡(luò )學(xué)習誤差曲線(xiàn)和數字識別結果如圖1 所示。

　　本文將0 ~ 9 共10 類(lèi)數據中的每類(lèi)取20 個(gè)做測試樣本，共200 個(gè)測試樣本對系統進(jìn)行性能測試。測試結果如表1 所列。由表1 中的數據可知，數字識別的正確率為98.5%，正確率較高，拒識率為6.5%，也比較高?？傮w數字識別有效率為94.5%.Kadous 用Power Gloves 作為手語(yǔ)輸入設備，這樣的識別率僅為80%.

　　5 結 語(yǔ)

　　實(shí)際上，數字識別的正確率和拒識率與數字識別的判斷值有關(guān)，本文的判斷值設置為0.7.判斷值設置得高，數字識別的正確率就高，同時(shí)數字的拒識率也相應地就高，反之亦然。因此，判斷值的選擇需要根據實(shí)際情況來(lái)定。