王健

摘 ? 要：本文設(shè)計(jì)了一種基于深度傳感器的動(dòng)作識(shí)別系統(tǒng)。該系統(tǒng)采用Kinect深度傳感器對(duì)采集的人體動(dòng)作視頻進(jìn)行特征提取，搭建了一個(gè)單層的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和識(shí)別。實(shí)驗(yàn)表明，該系統(tǒng)在少樣本訓(xùn)練的情況下，依然能夠較準(zhǔn)確地對(duì)站立、坐下、揮手與蹲下4個(gè)動(dòng)作進(jìn)行識(shí)別。該方法在數(shù)據(jù)維度上引入了第三維“深度信息”，所以在網(wǎng)絡(luò)訓(xùn)練時(shí)的速度和識(shí)別的響應(yīng)速度要優(yōu)于常規(guī)方法，也為人體動(dòng)作識(shí)別提供了一種思路。

關(guān)鍵詞：深度傳感器 ?BP ?神經(jīng)網(wǎng)絡(luò)動(dòng)作識(shí)別

中圖分類號(hào)：TP391.9 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-098X（2019）09（a）-0115-03

人體動(dòng)作識(shí)別在人機(jī)體感交互、醫(yī)療健康、增強(qiáng)現(xiàn)實(shí)、體育運(yùn)動(dòng)分析及機(jī)器人控制等諸多領(lǐng)域擁有廣泛的應(yīng)用前景。人體動(dòng)作的識(shí)別最早始于20世紀(jì)90年代[1]，相關(guān)的研究成果與論文增逐年遞增趨勢(shì)。

方法一般有兩種：一種是通過(guò)可穿戴式傳感器，其優(yōu)點(diǎn)是準(zhǔn)確性高、實(shí)時(shí)性高，缺點(diǎn)是要求用戶必須佩戴傳感器在身體的指定位置，這樣會(huì)使用戶舒適感降低[2]，該方法在護(hù)理與康復(fù)訓(xùn)練等特殊領(lǐng)域還有一定的應(yīng)用，部分學(xué)者在堅(jiān)持著進(jìn)行該方法的研究與改進(jìn)[3];另一種是基于計(jì)算機(jī)視覺(jué)的非侵入式檢測(cè)方法，通過(guò)計(jì)算機(jī)對(duì)圖像傳感器（彩色攝像機(jī)）采集的原始圖像或圖像序列數(shù)據(jù)進(jìn)行處理和分析，學(xué)習(xí)并理解其中人的動(dòng)作和行為[4]。目前的研究大多數(shù)主要是基于2D視覺(jué)的動(dòng)作識(shí)別，而系統(tǒng)受到計(jì)算機(jī)圖像處理能力的制約，特別是實(shí)時(shí)圖像處理，會(huì)受到光照、遮蔽、陰影、背景等因素的制約，對(duì)最終的識(shí)別結(jié)果造成影響[5]。基于RGB彩色圖像的行為識(shí)別方法的一個(gè)弊端就是把原本三維世界的立體信息轉(zhuǎn)換成了平面上的二維圖像，另一維度信息的丟失勢(shì)必會(huì)造成后期人體動(dòng)作識(shí)別率的下降。

1 ?實(shí)現(xiàn)思路

如圖1所示，使用圖像分割技術(shù)，將圖像中的人體從背景環(huán)境中剝離;根據(jù)“骨骼跟蹤”的人體關(guān)節(jié)點(diǎn)生成骨架系統(tǒng)，獲取機(jī)器學(xué)習(xí)需要的特征信息。使用機(jī)器學(xué)習(xí)方法來(lái)構(gòu)造分類器，并對(duì)分類器進(jìn)行優(yōu)化以提高準(zhǔn)確率。

2 ?骨骼數(shù)據(jù)獲取與處理

為降低特征數(shù)據(jù)維數(shù)和提高計(jì)算效率，相對(duì)于常用的距離特征提取[6]，本文采用了一種基于骨骼向量的方向余弦的特征提取方法，具體思路如下：將人體20個(gè)關(guān)節(jié)點(diǎn)進(jìn)行分層，如圖2所示：第一層：身體軀干關(guān)節(jié)點(diǎn)。該層主要包括頭、左右肩、脊椎等8個(gè)關(guān)節(jié)點(diǎn)（數(shù)字1）。第二層：四肢關(guān)節(jié)點(diǎn)。包括左右肘、腕，左右膝、踝8個(gè)關(guān)節(jié)點(diǎn)（數(shù)字2）。第三層：手與腳。剩余的左右手、腳這4個(gè)關(guān)節(jié)點(diǎn)，將其歸為第三層（數(shù)字3）。手掌和腳在本文所研究的人體動(dòng)作中所起的作用非常微小，因此只提取第一層和第二層這16個(gè)重要的關(guān)節(jié)點(diǎn)進(jìn)行下一步工作。

將16個(gè)關(guān)節(jié)點(diǎn)中每?jī)蓚€(gè)關(guān)節(jié)點(diǎn)連接組成一段骨骼，定義為一個(gè)向量，第一層的8個(gè)向量標(biāo)記為{a1，a2，…，a8};第二層8個(gè)標(biāo)記為{a9，a10，…，a16}。定義的16個(gè)骨骼向量的方向余弦特征來(lái)表示某一類動(dòng)作，現(xiàn)取出右手的肩關(guān)節(jié)到肘關(guān)節(jié)這個(gè)骨骼向量（即標(biāo)號(hào)為a8的向量）進(jìn)行詳細(xì)算法分析：設(shè)獲取肩關(guān)節(jié)的三維坐標(biāo)為（x1，y1，z1），肘關(guān)節(jié)的三維坐標(biāo)為（x2，y2，z2），如圖3所示。設(shè)向量a8與坐標(biāo)系的三個(gè)方向角分別為：α，β，γ。則該骨骼的特征向量可定義為cosα，cosβ，cosγ。公式如下：

（1）

通過(guò)上述算法，依次將已定義的16個(gè)骨骼向量的方向余弦值作為特征進(jìn)行提取送入分類器進(jìn)行訓(xùn)練。

3 ?基于BP神經(jīng)網(wǎng)絡(luò)的分類器

傳統(tǒng)的模版匹配方法在識(shí)別的準(zhǔn)確率上難有進(jìn)展，其算法的設(shè)計(jì)有賴于專業(yè)背景知識(shí)的掌握程度，而將機(jī)器學(xué)習(xí)的方法引入到動(dòng)作識(shí)別中還有很大的發(fā)展空間，常見(jiàn)的方法有支持向量機(jī)[7]、貝葉斯網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)，本文采用分類器為BP神經(jīng)網(wǎng)絡(luò)，進(jìn)行分類器的訓(xùn)練過(guò)程介紹，動(dòng)作識(shí)別使用的三層BP網(wǎng)絡(luò)，如圖4所示，它包括一個(gè)16個(gè)節(jié)點(diǎn)輸入層、一個(gè)1024個(gè)節(jié)點(diǎn)的隱含層和一個(gè)4個(gè)節(jié)點(diǎn)的輸出層，其中{x1，x2，x3……xn}為骨骼特征向量輸入。

該神經(jīng)元網(wǎng)絡(luò)的隱層神經(jīng)元的輸出為：

（2）

輸出層神經(jīng)元的輸出為：

（3）

其中，wij表示輸入層第i個(gè)神經(jīng)元與隱層第j個(gè)神經(jīng)元之間的連接權(quán);vjt表示隱層第j個(gè)神經(jīng)元與輸出層第t個(gè)神經(jīng)元之間的連接權(quán);θj、rt表示相應(yīng)神經(jīng)元的激活閾值;f（x）表示神經(jīng)元的激活函數(shù)。該網(wǎng)絡(luò)使用了Relu激活函數(shù)，損失函數(shù)定義如下：

（4）

yt表示第t個(gè)神經(jīng)網(wǎng)絡(luò)的期望輸出值;ct表示第t個(gè)神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出值;當(dāng)訓(xùn)練樣本總數(shù)為K時(shí)，網(wǎng)絡(luò)全局輸出誤差采用最小方差計(jì)算。這里的權(quán)值wij調(diào)整采用了梯度下降算法。

隱含層和輸出層神經(jīng)元之間的連接權(quán)v的梯度值d為：

（5）

用dkt、bj、vjt和rt計(jì)算出下一次隱含層和輸出層之間的新的連接權(quán)和閾值為：

（6）

輸入層到隱含層之間的連接權(quán)的修正量e為：

（7）

用ekj、αki、wij和θj計(jì)算出下一次輸入層和中間層之間新的閾值和連接權(quán)為：

（8）

（9）

每個(gè)樣本學(xué)習(xí)結(jié)束后，調(diào)整相應(yīng)的連接權(quán)值，直到K個(gè)樣本都學(xué)習(xí)結(jié)束，則判斷全局輸出誤差函數(shù)是否達(dá)到設(shè)定的收斂限定值，直到誤差函數(shù)達(dá)到限定值，網(wǎng)絡(luò)訓(xùn)練結(jié)束;否則，如果在達(dá)到最大學(xué)習(xí)次數(shù)時(shí)誤差仍然大于設(shè)定數(shù)值，訓(xùn)練也結(jié)束，則網(wǎng)絡(luò)訓(xùn)練失敗。

4 ?實(shí)驗(yàn)及總結(jié)

實(shí)驗(yàn)環(huán)節(jié)采用了微軟公司的Kinect第二代傳感器，軟件運(yùn)行環(huán)境為Windows10、VisualStudio2012、KinectSDK1.5，開(kāi)發(fā)語(yǔ)言采用C#.Net，系統(tǒng)運(yùn)行效果如圖5所示。我們對(duì)站立、坐下、揮手、蹲下四個(gè)動(dòng)作進(jìn)行了數(shù)據(jù)采集和訓(xùn)練。然后進(jìn)行了識(shí)別測(cè)試，四種動(dòng)作的識(shí)別率均達(dá)到92%以上，識(shí)別率達(dá)到要求。

參考文獻(xiàn)

[1] 徐光祐，曹媛媛.動(dòng)作識(shí)別與行為理解綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（2）：189-195.

[2] Maekawa，YutakaYanagisawa，YasueKishino，etal.Object-basedactivityrecognitionwithheterogeneoussensorsonwrist.TakuyaPervasiveComputing.2010.

[3] 王琳琳，夏侯士戟.HandGestureRecognitionbyAccelerometer-BasedClusterDynamicTimeWarping[J].JournalofDonghuaUniversity（EnglishEdition），2017，34（4）：551-555.

[4] Aggarwal，M.S.Ryoo.Humanactivityanalysis[J].J.K.ACMComputingSurveys（CSUR）.2011（3）.

[5] 吳曉雨，楊成，馮琦.基于Kinect的手勢(shì)識(shí)別算法研究及應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2015，32（7）：173-176，276.

[6] 辛義忠，邢志飛.基于Kinect的人體動(dòng)作識(shí)別方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2016，37（4）：1056-1061.

[7] 朱國(guó)剛，曹林.基于Kinect傳感器骨骼信息的人體動(dòng)作識(shí)別[J].計(jì)算機(jī)仿真，2014，31（12）：329-333，345.