對(duì)偶樹(shù)復(fù)小波與空域信息的手勢(shì)識(shí)別分類(lèi)研究

賈鶴鳴，朱傳旭，張森，楊澤文，何東旭

（1. 東北林業(yè)大學(xué) 機(jī)電工程學(xué)院，黑龍江 哈爾濱 150040; 2. 哈爾濱工程大學(xué) 自動(dòng)化學(xué)院，黑龍江 哈爾濱150001）

手勢(shì)語(yǔ)言作為一種常用的交流語(yǔ)言，通過(guò)不同手勢(shì)的組合、不同手形的變化，能夠表達(dá)多種復(fù)雜的含義，在非聲音傳遞信息的方式中，如特警手語(yǔ)、聾啞人交流、遠(yuǎn)程指揮等方面，起到重要作用[1]。特征提取是手勢(shì)識(shí)別的關(guān)鍵環(huán)節(jié)，即通過(guò)對(duì)不同的手勢(shì)進(jìn)行數(shù)學(xué)描述，表示獨(dú)特的特征關(guān)系。常用的特征有幾何特征、形狀特征、Hu矩特征等。

國(guó)外方面，Davis等[2]采用不變矩和神經(jīng)網(wǎng)絡(luò)，進(jìn)行數(shù)字手勢(shì)的識(shí)別；Miyashita等[3]針對(duì)靜態(tài)手勢(shì)具有平移和旋轉(zhuǎn)性問(wèn)題，采用基于邊界信息特征描述的方法；Kapu?ciński等[4]提出改進(jìn)的梯度直方圖方法進(jìn)行靜態(tài)手勢(shì)識(shí)別，通過(guò)加強(qiáng)圖像坐標(biāo)系的局部方向，使之能夠找到最佳的關(guān)鍵向量，提高識(shí)別率。國(guó)內(nèi)方面，譚臺(tái)哲等[5]將深度與膚色信息結(jié)合，根據(jù)手指和手掌質(zhì)心判斷方向，從而完成對(duì)手勢(shì)和左右手的識(shí)別，魯棒性強(qiáng)；劉淑萍等[6]在傳統(tǒng)的HOG方法的基礎(chǔ)上加入膚色模型和手指檢測(cè)算法，將識(shí)別率提高20%；趙磊等[7]對(duì)傳統(tǒng)DTW算法進(jìn)行改進(jìn)，以歐氏距離為元素組成矩陣，結(jié)合事先錄入的手勢(shì)模板，實(shí)現(xiàn)手勢(shì)識(shí)別。通過(guò)上述國(guó)內(nèi)外研究現(xiàn)狀的分析不難發(fā)現(xiàn)研究問(wèn)題主要集中于空域特征的提取。實(shí)際上，頻譜能在描述紋理特征時(shí)體現(xiàn)重要作用[8]。常用的頻域變換主要有傅里葉變換、小波變換等。前期研究中，大多僅采用空域特征或者僅采用小波變換系數(shù)特征，但由于傳統(tǒng)小波變換在獲取頻譜特征時(shí)，不具有方向性，因此，擬采用對(duì)偶樹(shù)復(fù)小波變換提取頻域特征，實(shí)現(xiàn)–75°、–45°、–15°、15°、45°和 75°等 6 個(gè)方向的特征度量，最后為提高特征的完備性，本文將空域特征與頻域特征進(jìn)行融合。

分類(lèi)器通常采用人工神經(jīng)網(wǎng)絡(luò)，常用的有BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)等。經(jīng)過(guò)許多學(xué)者研究證實(shí)，在圖像識(shí)別方面，SVM比BP精度更高，且不易陷入過(guò)擬合狀態(tài)[9-12]。但是，由于SVM在高維空間中計(jì)算量遠(yuǎn)遠(yuǎn)大于BP，因此，當(dāng)樣本較多、特征維數(shù)較大時(shí)，SVM速度較慢。本文引入BD(best distance)優(yōu)選SVM訓(xùn)練樣本的算法，一方面減少樣本數(shù)，提高訓(xùn)練速度，另一方面，優(yōu)化樣本質(zhì)量，提高訓(xùn)練精度。

1 特征提取

1.1 空域特征

1)位置。由前面部分手勢(shì)跟蹤，可獲取手勢(shì)的位置信息，用掌的面積中心表示。設(shè)手掌像素的坐標(biāo)為，其中，那么其質(zhì)心表示為

2)長(zhǎng)寬比。手所在的最小矩形，長(zhǎng)度定義為L(zhǎng)，寬度定義為W，長(zhǎng)寬比r定義為

3)矩形度。手勢(shì)所占面積S0與最小外接矩形面積Sm之比。矩形度a表示為

4) Hu矩特征。Hu矩特征主要描述圖像旋轉(zhuǎn)的不變性，包含7個(gè)分量。對(duì)于一幅的圖像，則其階矩為

通過(guò)計(jì)算函數(shù)的重心，得到：

對(duì)中心矩進(jìn)行歸一化后，使用二階和三階矩構(gòu)造7個(gè)h分量矩：

1.2 單位的書(shū)寫(xiě)規(guī)則

且滿(mǎn)足希爾伯特變換，即：

用樹(shù)A和樹(shù)B表示，結(jié)構(gòu)圖如圖1所示。

圖 1 對(duì)偶樹(shù)復(fù)小波變換結(jié)構(gòu)圖Fig. 1 Dual tree complex wavelet transform structure

圖 2 對(duì)偶樹(shù)復(fù)小波變換的6個(gè)方向性Fig. 2 Six directions of dual tree complex wavelet transform

2 BD-SVM分類(lèi)器

根據(jù)傳統(tǒng)SVM算法原理，根據(jù)幾何特征，支持向量即同類(lèi)距離最小，異類(lèi)距離最大的兩類(lèi)樣本，若訓(xùn)練樣本未進(jìn)行優(yōu)化，則尋找支持向量的過(guò)程就會(huì)耗時(shí)嚴(yán)重，因此，改進(jìn)思路聚集在對(duì)訓(xùn)練樣本的幾何特征上。本文將訓(xùn)練樣本的點(diǎn)間距離作為度量，通過(guò)優(yōu)化訓(xùn)練樣本集，提高SVM的訓(xùn)練速度，也因樣本集的品質(zhì)提高，從而間接提高分類(lèi)器的識(shí)別精度。具體數(shù)學(xué)描述如下。

將樣本點(diǎn)分布于空間中，定義任意兩點(diǎn)的距離為

3)[令，，計(jì)算平均距離矩陣。

4)對(duì)矩陣V進(jìn)行按序排列，其中，V11和V22降序，V12和 V21升序，提取 l·t個(gè)樣本，得到新的訓(xùn)練樣本集。

5)在新樣本集上利用SVM建立模型，并進(jìn)行測(cè)試。

2)在高維空間中，按照式(1)計(jì)算距離矩陣

3 結(jié)果與分析

3.1 特征提取

靜態(tài)手勢(shì)識(shí)別選取60幅“1～9”手勢(shì)的圖像作為訓(xùn)練樣本，30幅作為測(cè)試樣本。包括空域及頻域特征提取， BD-SVM分類(lèi)器精度，輸出識(shí)別正確率和分類(lèi)時(shí)間。

進(jìn)行空域特征提取，首先需對(duì)輸入的圖像進(jìn)行預(yù)處理，然后進(jìn)行分割和檢測(cè)，最后，計(jì)算相應(yīng)的空域特征。某一樣本“1～9”手勢(shì)的預(yù)處理后的圖像及分割檢測(cè)后的圖像如圖3所示。

圖 3 “1～9”手勢(shì)圖像及分割檢測(cè)圖像Fig. 3 "1～9" gesture image and split detection image

按照前文給出的公式，計(jì)算空域特征，包括位置、長(zhǎng)寬比、矩形度、Hu矩的7個(gè)分量。取某一樣本的“1～9”手勢(shì)的特征，如表1所示。

對(duì)偶樹(shù)復(fù)小波具有平移不變性和方向多樣化的特性，按照對(duì)偶樹(shù)復(fù)小波變換進(jìn)行頻域特征提取，dtwavexfm2函數(shù)中可以選擇4個(gè)濾波器，本文選legall，進(jìn)行變換分解。

以其中一幅手勢(shì)圖像為例，對(duì)偶樹(shù)復(fù)小波特征提取的結(jié)果如下。某一示例圖像“1”如圖4所示，其他“2～9”手勢(shì)特征提取過(guò)程相同。

圖 4 示例圖像Fig. 4 Sample image

經(jīng)過(guò)分解后的結(jié)果如圖5所示。

圖 5 分析結(jié)果Fig. 5 Results of the analysis

表 1 某一樣本“1～9”手勢(shì)的特征提取Table 1 The feature extraction of a sample “1～9” gesture

選取高頻分量輸出的16×16矩陣，作為該手勢(shì)圖像的特征參數(shù)，方便計(jì)算，將該矩陣進(jìn)行歸一化處理，然后，取主對(duì)角線(xiàn)元素作為特征，共計(jì)16個(gè)分量。

對(duì)于每個(gè)樣本，將空域特征的11個(gè)分量與頻域的16個(gè)分量進(jìn)行融合，組成新的矢量，則新矢量的維度為27，然后，以60個(gè)樣本作為訓(xùn)練集，輸入分類(lèi)器中訓(xùn)練，30個(gè)樣本預(yù)測(cè)集，用于驗(yàn)證分類(lèi)精度。

3.2 BD-SVM識(shí)別結(jié)果

本節(jié)主要測(cè)試手勢(shì)“1～9”的識(shí)別效果。利用BD算法優(yōu)化訓(xùn)練樣本，設(shè)置BD-SVM的比例系數(shù)t為0.3，然后，將新的訓(xùn)練樣本作為SVM訓(xùn)練集，最后，選取線(xiàn)性核函數(shù)、多項(xiàng)式核函數(shù)和徑向基核函數(shù)分別進(jìn)行實(shí)驗(yàn)。γ設(shè)置為0.1，懲罰參數(shù)設(shè)置為10，具體實(shí)驗(yàn)結(jié)果如下所示。

樣本優(yōu)選過(guò)程進(jìn)行二維可視化后，如圖6所示。

圖 6 優(yōu)選的訓(xùn)練樣本Fig. 6 Preferred training samples

圈內(nèi)的樣本為優(yōu)選后的樣本，作為新的訓(xùn)練集，挑選出46個(gè)新的訓(xùn)練樣本。

對(duì)于每個(gè)核函數(shù)，輸出識(shí)別精度和識(shí)別時(shí)間，最后計(jì)算平均正確率和平均識(shí)別時(shí)間。采用線(xiàn)性核函數(shù)的識(shí)別結(jié)果如表2所示。

表 2 線(xiàn)性核函數(shù)識(shí)別結(jié)果Table 2 Linear kernel function recognition result

由表2得出，線(xiàn)性核函數(shù)的平均正確率為84%，平均識(shí)別時(shí)間為0.022 s。

采用多項(xiàng)式核函數(shù)的識(shí)別結(jié)果如表3所示。由表3得出，線(xiàn)性核函數(shù)的平均正確率為86.67%，平均識(shí)別時(shí)間為0.032 s。

表 3 多項(xiàng)式核函數(shù)識(shí)別結(jié)果Table 3 Polynomial kernel function recognition result

采用徑向基核函數(shù)的識(shí)別結(jié)果如表4所示。由表4得出，線(xiàn)性核函數(shù)的平均正確率為90.33%，平均識(shí)別時(shí)間為0.026 s。

通過(guò)實(shí)驗(yàn)得出，選擇徑向基核函數(shù)的識(shí)別率最高，運(yùn)算速度也較快，因此，進(jìn)行靜態(tài)手勢(shì)識(shí)別，采用徑向基核函數(shù)。

表 4 徑向基核函數(shù)識(shí)別結(jié)果Table 4 Radial basis kernel function recognition result

4 結(jié)束語(yǔ)

本文主要采用空域特征和對(duì)偶樹(shù)復(fù)小波相融合的特征，空域特征包含水平位置、豎直位置、長(zhǎng)寬比、矩形度、Hu矩7個(gè)分量，計(jì)11維特征，頻域特征采用對(duì)偶樹(shù)復(fù)小波變換的16維特征，特征融合后，共計(jì)27維特征；采用BD算法進(jìn)行訓(xùn)練樣本優(yōu)選，優(yōu)選出46個(gè)新的訓(xùn)練樣本，再將新的訓(xùn)練樣本進(jìn)行SVM分類(lèi)器的訓(xùn)練，實(shí)驗(yàn)表明，采用徑向基核函數(shù)識(shí)別精度最高，速度最快，“1～9”的靜態(tài)手勢(shì)識(shí)別效果最好。