無腦蛙系統研究

路曉堅 陳征 任帥男 韓萌萌

摘 要：本文提出一種基于隨即函數的無腦蛙目標姿態庫系統。我們通過一種模擬脊蛙實驗的方法來建立大規模人體姿態庫，并利用電子模擬運算速度快，模擬周期短，運行效率高出錯結果易檢測的特性，利用程序設計的方法來給出具有指導意義的符合目標需求的具有明確指向性的人體姿態類庫。

關鍵詞：無腦蛙；人體姿態庫；脊蛙實驗

隨著人機智能交互系統的進一步完善，人體姿態檢測[1]在智能系統中的地位越來越高。通過分析圖像或視頻中的人體姿態變化，借助OpenCV[2]計算機圖像識別技術來進行目標特征關鍵點的提取以獲得較為準確的人體姿態信息的方法越來越多的被應用到實際生產生活當中。進行姿態檢測時，需要一個確定的人體姿態庫，以保證姿態分類結果能夠被識別為明確的人體姿態。因此，無腦蛙模擬姿態庫就被提出用于設立具有明確指向性的人體姿態類庫，從而保證姿態識別結果的準確性。

1 無腦蛙系統

無腦蛙是指被切掉頭部但保留完整脊髓結構的青蛙，[3]在生物學上我們通過利用電流刺激的方法來使無腦蛙產生隨機運動以證明脊髓反射效應。在本文中我們利用仿真系統搭建類似于脊蛙的應激反應反饋模塊。利用輸入隨機數作為刺激源，通過限定青蛙四肢和鄰近下頜部位對相應應激反應的劇烈程度來設定參數，利用回溯實驗的方法來檢驗實驗結果的準確性。

2 無腦蛙系統的設立

對于一個相同的動作，人類和青蛙所給出的動作參數是有很大的差異的。對于進行仿真實驗來說，我們的目的即為還原人類的動作姿態，因此采用人類的平均身體尺寸為基礎設立系統。

因為人體的動作和行為具有一定的特殊性，即大家平時所說的習慣。正是這種習慣的不同才導致了人與人之間的行為差異。當我們有選擇的記錄一些人的行為習慣并作為樣本進行訓練時，經過一段時間后，如果目標在監控范圍內出現未記錄的行為習慣的頻率與出現已記錄的行為頻率之比趨向于無窮小時我們就認定，該姿態庫已經構建完成。我們將在無腦蛙系統的介紹部分闡述這一理念。當我們利用模擬來構建一個行為姿態庫時，則可以大大的縮短行為習慣的出現時間，因為我們所用的“脊蛙”能夠在大量隨機數的刺激下做出所有可能出現的動作，正如一群猴子能夠打印出莎士比亞的詩歌一樣，這正是計算機模擬的優勢所在。

3 系統的操作過程

首先我們給與系統幾個預估的函數值，作為初始狀態下預先估計的對應反應值。這些函數的設定都是隨機的，我們利用補償函數對誤差進行補償，然后回溯修正從而使函數的映射關系符合實驗標準。

在尋找合適的映射關系時，也可以利用機器學習的方法進行。通過對樣本數據進行訓練，然后自主識別動作進行簡單分類。但整個實驗所用數據都是從無到有的測試過程，對于給定的樣本數據我們不能確定其是否能真正代表目標對象的全部動作習慣。況且在大多數情況下，我們需要面對不同的實驗對象，而其動作行為習慣往往受到所處環境的影響而產生相當大的差異。例如在實驗室得到的訓練數據在操場上進行測量實驗時雖然基本的大幅度動作和姿態可以被識，但誤差大、誤判率高，對于一些出現次數較少的動作，系統在判斷時存在較大的延時，這對系統在實際生產生活中的應用就會產生很大的影響。雖然在后期進行分析得出造成誤差的主要原因是樣本數據過少，訓練時間過短，但研究周期卻大大超出預期，因此舍棄采取機器學習的相關方法的初衷，利用最原始的數據擬合來進行處理。接下來我們簡要介紹數據的處理過程。

我們給出以下設定，其中刺激是指刺激源，應激是指目標對象對相應的刺激所做出的反應，另外設定補償函數φ（x），輸出函數y（x）。

同時我們約定，對于一個固定的刺激x，在同一部位給出的輸出y（x），以頭部輸出來說存在y（x）=f（x）+φ（x）。

我們所要求的結果是x與y之間的對應關系，而f（x）可通過測量得出，因此問題就轉換為φ（x）的求解。

在這里我們只給出求解方法的簡單敘述，過程如下：

①畫出x與f（x）之間的散點圖，利用擬合的方法求出x與f（x）之間的大致對應關系。

②利用給給定的約束范圍，計算所允許的最大誤差下φ（x）的極值。

③設出φ（x）在約束范圍內的函數關系式，利用限定條件下的極值給出在定義域內的取值范圍。

進行大量的實驗后發現，φ（x）的映射范圍，因部位而異，且存在固定的變化規律。轉換目標對象后，進行擬合比對，就可以重新矯正φ（x）從而使其符合要求。

4 結論

本文提出一種無腦蛙人體姿態模擬系統。通過設定與實驗目標具有函數對應關系的參數，來進行模擬實驗從而達到較好的實驗目的。無腦蛙系統所給出的是姿態類庫，只是明確了實驗目的，對于分類困難的姿態給出更加詳細的分類方案，對實驗過程并未產生影響，但卻提高了實驗結果的準確度。經過實驗驗證取得了較好的實驗效果，從而證明了本系統的科學性和有效性。

參考文獻：

[1]曹玉珍，蔡偉超，程旸.基于MEMS加速度傳感器的人體姿態檢測技術[J].納米技術與精密工程，2010，8（1）：37-41.

[2]吳博，王彬，翁政魁，等.基于OpenCV的鼻尖特征點鼠標實時控制系統實現[J].計算機應用與軟件，2018（2）：212-217.

[3]陳雨濤，沈方寧，楊澤康，等.蛙的生理結構及脊蛙神經反射實驗[J].大學：指南，2012（4）：45-46.