蔣磊磊，秦麗娟，李武舉

　?。ㄉ蜿柪砉ご髮W 信息科學與工程學院，遼寧 沈陽 110159）

       摘要：手勢識別正在成為人機交互技術(shù)研究中的一種重要模式，運用攝像機和計算機視覺技術(shù)捕獲靜態(tài)手勢圖像，在YCrCb空間下利用高斯分布對膚色建模，通過計算背景顏色像素概率分割出干凈的手勢圖像，再采用基于Sugeno模糊模型的自適應(yīng)神經(jīng)模糊推理系統(tǒng)識別手勢。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)相比，該識別方法具有較好的自適應(yīng)性和魯棒性。實驗結(jié)果表明，基于Sugeno模糊模型的自適應(yīng)神經(jīng)模糊推理系統(tǒng)能夠有效地進行特征學習，正確識別率可以達到95%左右，是一個非常有效的靜態(tài)手勢識別方法。

　　關(guān)鍵詞：人機交互；手勢；基于Sugeno模糊模型；自適應(yīng)神經(jīng)-模糊推理

　　中圖分類號：TP751;TP753文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2016.24.015

　　引用格式：蔣磊磊，秦麗娟，李武舉. 基于Sugeno模糊模型的ANFIS在手勢識別中的應(yīng)用［J］.微型機與應(yīng)用，2016,35（24）：50-53.

0引言

　　近年來，隨著計算機技術(shù)的快速發(fā)展和互聯(lián)網(wǎng)應(yīng)用的迅速普及，人機交互已經(jīng)成為人們?nèi)粘Ｉ钪斜夭豢缮俚慕M成部分［1］。自然的人機交互方式可以降低操作難度，避免身體單一部位的重復勞動。傳統(tǒng)意義里向計算機輸入信息的交互方式如使用鼠標、鍵盤、遙控、觸摸屏、游戲搖桿等讀入設(shè)備，都是以機器為中心，用戶需要去適應(yīng)學習預先設(shè)定的規(guī)范之后才能應(yīng)用機器的基本操作。這些人機交互方式已成為人機交流聯(lián)系的瓶頸，因為用戶不能使用自己最習慣的方式（如手勢等）與計算機進行交互。

　　手勢是人有意識地作出的手的動作，不論是操作使用工具還是與其他人進行交流，手勢都能表達出做手勢者的想法與意圖。由此應(yīng)運而生的手勢識別技術(shù)為人們提供了人與計算機進行交互的最自然的方式。基于手勢識別技術(shù)，人們能夠與計算機創(chuàng)造的虛擬環(huán)境進行直接交互。目前，手勢識別技術(shù)的研究是虛擬現(xiàn)實技術(shù)研究的主要內(nèi)容之一。

1手勢圖像的預處理與手勢分割

　　ANFIS［2］用于手勢圖像處理的一般流程［3］如圖1所示。

　　1.1圖像的預處理

　　在復雜背景下，不同光照變化也會導致膚色的亮度發(fā)生變化，這就需要采用一種可靠的顏色空間模型。研究表明YCrCb顏色空間［4］具有亮度和色度分離的優(yōu)點，既能充分表達人手膚色，又能在很大程度上消除亮度影響，降低了色彩空間的維數(shù)，減少了計算復雜度。在YCrCb空間下利用高斯分布對膚色建模，計算出圖像中各點屬于膚色的概率值，可以分割出手勢區(qū)域?；诟咚狗植紝δw色建模的計算公式如下：

　　P(Cb,Cr)=exp{－0.5(x－m)TC－1(x－m)}

　　其中：x為樣本像素在YCrCb空間的值x=(Cb,Cr)T，m為膚色在YCrCb空間的樣本均值,m=E(x);C為膚色相似度模型的協(xié)方差矩陣,C=E{(x－m)(x－m)T}。

　　通過計算圖像每個像素點屬于膚色的概率值P，可以建立一個完整的膚色概率分布矩陣，采用最大類間方差法(OTSU)對膚色概率矩陣進行自適應(yīng)值的二值化處理，在二值化處理的圖像中，像素值為1的亮色區(qū)域表示是膚色點，像素值為0的暗色區(qū)域表示非膚色點。

　　使用高斯濾波，消除手勢圖像中的噪聲，恢復有用的手勢信息，增強手勢目標的可檢測性和最大限度地簡化背景圖像數(shù)據(jù)。經(jīng)過二值化和濾波處理的圖像，手勢區(qū)域邊緣會存在大小不一的空洞，具有毛刺或不完整的輪廓，形態(tài)學的膨脹算法可以擴展二值圖像中的亮度區(qū)域，腐蝕算法可以擴展二值圖像中的暗色區(qū)域。去除二值圖像中孤立的噪聲點和手勢區(qū)域邊緣不平滑的凸出部分，同時對二值圖像的孔洞進行填充。

　　1.2手勢圖像的分割

　　OTSU法［5］是一種動態(tài)的閾值分割算法。按照手勢圖像灰度特征將手勢圖像分成目標和背景兩部分，選擇門限值劃分使得背景和目標之間的方差最大。背景和目標之間的類間方差越大說明這兩部分的差別越大，目標圖像就越容易從背景圖像中分割出來。

　　現(xiàn)在，手勢圖像的灰度值為1~N級，t為選定的閾值，那么圖像就被分成兩組。假設(shè)A代表背景，PA為背景出現(xiàn)的概率，同理B為目標，PB為目標出現(xiàn)的概率，Pi是N個灰度級每個出現(xiàn)的概率。計算背景和目標兩個區(qū)域的類間方差過程如下：

　?。?）背景和目標的出現(xiàn)概率：

　　在1~N之間改變t的值，當δ2取最大時對應(yīng)的t的值為最佳閾值，因此δ2是選擇閾值的函數(shù)。該方法不管圖像的直方圖是否有明顯的雙峰，都能得到比較滿意的結(jié)果。本文使用上述方法取得了不錯的效果，圖2和圖3是室內(nèi)與室外手勢分割的效果圖。

2自適應(yīng)神經(jīng)-模糊推理系統(tǒng)（ANFIS）

　　自適應(yīng)神經(jīng)元模糊推理系統(tǒng)［6］（Adaptive Neural Fuzzy Inference System, ANFIS）是一種把模糊邏輯方法和神經(jīng)網(wǎng)絡(luò)方法有機融合在一起的新型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，借助神經(jīng)網(wǎng)絡(luò)的信息存儲能力和學習能力，在對廣泛選擇的訓練樣本進行學習后，優(yōu)化了控制規(guī)則、各語言變量的隸屬函數(shù)及每條規(guī)則的輸出函數(shù)，使ANFIS系統(tǒng)本身朝著自適應(yīng)、自組織、自學習的方向發(fā)展。

　　Sugeno模糊模型是一種用來在給定的輸入/輸出數(shù)據(jù)集中產(chǎn)生模糊規(guī)則的系統(tǒng)方式。一階Sugeno模糊模型如下：

　　y=k0+k1x1+k2x2+…+kmxm

　　圖4表示基于Sugeno模糊模型的自適應(yīng)神經(jīng)-模糊推理系統(tǒng)模型。

　　下面討論每一層的作用。

　　第1層是輸入層。該層的神經(jīng)元簡單地將外部信號傳送給第2層，即

　　y(1)i=x(1)i

　　其中，x(1）i是第一層中神經(jīng)元i的輸入，y(1）i是第1層中神經(jīng)元i的輸出。

　　第2層是模糊化層。該層中的神經(jīng)元的作用是執(zhí)行模糊化操作。其中模糊化神經(jīng)元有一個鐘形激活函數(shù)（bell activation function）。鐘形激活函數(shù)由線為規(guī)則的鐘形形狀，其定義為：

　　其中，x(2）i是第2層中的神經(jīng)元i的輸入，y(2）i是第2層輸入神經(jīng)元的輸出。ai、bi、ci分別為控制神經(jīng)元i的鐘形激活函數(shù)的中心、寬度和斜率的參數(shù)。

　　第3層是模糊化層。規(guī)則神經(jīng)元從各自的模糊化神經(jīng)元接收輸入，并計算它表示的規(guī)則激發(fā)強度。在ANFIS中，規(guī)則前項的鏈接由“乘積”操作來評估。因此，第3層的神經(jīng)元的輸出可表示為：

　　其中，x(3）ji和y(3）i分別為第3層規(guī)則神經(jīng)元i的輸入輸出。例如:

　　y(3)1=μA1×μB1=μ1

　　其中μ1的取值代表規(guī)則1的激發(fā)強度或真值。

　　第4層是歸一化層。該層接收并計算給定規(guī)則的歸一化激發(fā)強度。歸一化強度是給定規(guī)則的激發(fā)強度和所有規(guī)則激發(fā)強度的總和的比值，它表示給定規(guī)則對最終結(jié)果的貢獻。因此，第4層神經(jīng)元i的輸出為：

　　第5層是去模糊化層。該層中的每個神經(jīng)元均連接到各自的歸一化神經(jīng)元上，同時接收初始輸入x1和x2。去模糊化神經(jīng)元計算給定規(guī)則的帶權(quán)重的后項值:

　　y(5)1=x(5)i［ki0+ki1x1+ki2x2］=1［ki0+ki1x1+ki2x2］

　　其中，x(5）i和y(5）i分別為第5層去模糊化神經(jīng)元i的輸入和輸出，ki0、ki1、ki2是規(guī)則i的后項參數(shù)的集合。

　　第6層為總和神經(jīng)元，作用是計算所有去模糊化神經(jīng)元輸出的總和，產(chǎn)生ANFIS總輸出y：

　　y=∑ni=1x(6)i=∑ni=1i［ki0+ki1+ki2］

3基于Sugeno模糊模型的ANFIS在手勢識別中的實現(xiàn)

　　3.1ANFIS的學習樣本

　　首先選擇1~10的手勢樣本進行訓練，每類手勢訓練樣本的數(shù)量要近似相等，避免由于訓練樣本數(shù)量的不同導致個別類別響應(yīng)過于敏感或者過于遲鈍，同時能大幅度提高訓練速度，避免網(wǎng)絡(luò)陷入局部極小點。

　　以中國傳統(tǒng)的標準手勢為例，如圖5所示。

　　由于神經(jīng)網(wǎng)絡(luò)［7］不具有不變識別的能力，要使網(wǎng)絡(luò)對手勢的旋轉(zhuǎn)、伸縮具有不變性，要盡可能選擇各種情況的手勢樣本。每個手勢選用200個樣本進行訓練，盡量選擇不同方向、不同大小的手勢樣本，這樣可以保證網(wǎng)絡(luò)系統(tǒng)在較為復雜背景下有較高識別率。訓練樣本如圖6所示。

　　提取預處理后的手勢圖像特征向量，同來訓練系統(tǒng)參數(shù)。

　　3.2基于Sugeno模糊模型的ANFIS在手勢識別的結(jié)果

　　從分割出來的手勢圖像中提取出特征向量作為識別系統(tǒng)的輸入。本文使用以下三種識別方法：基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）、基于BP神經(jīng)網(wǎng)絡(luò)［8］的識別方法和基于模糊神經(jīng)網(wǎng)絡(luò)［9］的識別方法，并比較三者的識別率。為了系統(tǒng)學習和輸入的方便，本文采用同樣且同等數(shù)量的樣本進行學習，同等條件下經(jīng)過200次的實驗后得到的結(jié)果是：基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）的手勢識別率比另外兩種方法的識別率高。具體實驗數(shù)據(jù)如表1所示。

　　根據(jù)表中的數(shù)據(jù)制成鏈表，直觀表現(xiàn)三種識別方式的優(yōu)劣，如圖7所示。此外識別率還受系統(tǒng)學習次數(shù)的影響，具體如圖8所示。

4結(jié)論與展望

　　針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的不足，本文提出的自適應(yīng)神經(jīng)-模糊推理系統(tǒng)充分發(fā)揮了自適應(yīng)、模糊化和神經(jīng)網(wǎng)絡(luò)的優(yōu)點，具有適應(yīng)性強、學習能力好的特點，提高了系統(tǒng)的魯棒性。此外對手勢的識別率也有了顯著的提高。對于手勢本身的多樣性、多義性、差異性等特點以及技術(shù)的局限，尤其是在復雜的環(huán)境下，當人手和人臉重合或者人手與背景膚色相差不多的情況下，并不能很好地從圖像中提取出完整的無噪聲的手勢圖像。此外目前采用的識別系統(tǒng)在識別率與時間效率還不能同時完美實現(xiàn)，如何在保證目標識別率的前提下，獲得理想的處理速度，提高系統(tǒng)實用性，這將是一個重要的研究課題。

參考文獻

　　［1］ 武霞,張崎,許艷旭. 手勢識別研究發(fā)展現(xiàn)狀綜述［J］. 電子科技,2013,26（6）:171174.

　?。?］ NEGNEVITSKY M. 人工智能：智能系統(tǒng)指南［M］. 北京:機械工業(yè)出版社, 2012.

　?。?］ 范會敏,王浩. 模式識別方法概述［J］. 電子設(shè)計工程,2012,20（19）:4851.

　　［4］ 邱迪. 基于HSV與YCrCb顏色空間進行膚色檢測的研究［J］. 電腦編程技巧與維護,2012（10）:7475.

　?。?］ 李梅. 基于Otsu算法的圖像分割研究［D］.合肥:合肥工業(yè)大學,2011.

　　［6］ 張小娟. 自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)及其仿真［J］. 電子設(shè)計工程,2012，20（5）:1113.

　　［7］ 馮桐. 基于神經(jīng)網(wǎng)絡(luò)的手勢識別研究［D］.北京：北京理工大學,2015.

　?。?］ 李歌. 基于BP神經(jīng)網(wǎng)絡(luò)的手勢識別研究［D］.秦皇島：燕山大學,2013.

　?。?］ 齊鏜泉. 基于動態(tài)模糊神經(jīng)網(wǎng)絡(luò)的手勢識別算法研究［D］.重慶：西南大學,2011.