隨著人工智能的不斷深入研究,人機交互越來越火熱,計算機視覺逐漸成為當(dāng)下研究的主流,越來越多的人加入到研究人機交互的領(lǐng)域。不同的研究者對不同交互手段進行了研究,例如人臉,手勢,身體姿勢等。研究人機交互的主要媒介是研究不同的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN),或是搭配不同的機器學(xué)習(xí)方法。在手勢識別領(lǐng)域的研究歷程中,傳統(tǒng)的方法是通過對手勢的分割,將手勢從圖片中分割出來,提取手勢的Hu矩特征以及手指個數(shù)描述輪廓等信息,將這些提取到的信息置于BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練識別。這種方法在識別的準(zhǔn)確率上稍微有所欠缺。本文提出將卷積神經(jīng)網(wǎng)絡(luò)與在線順序極限學(xué)習(xí)機(Online Sequential Extreme Learning Machine,OSELM)相結(jié)合的方法,以達到高識別率的效果。為此做出以下的工作:首先,對需要研究的課題準(zhǔn)備好訓(xùn)練數(shù)據(jù)集,研究的內(nèi)容采用自制手勢訓(xùn)練集,同時在JTD靜態(tài)手勢數(shù)據(jù)集上做驗證實驗,提高算法的魯棒性。在手勢的特征提取方面,采用類似VGG16的卷積神經(jīng)網(wǎng)絡(luò)模型,對手勢數(shù)據(jù)集做訓(xùn)練同時提取手勢特征。其次,將提取到的手勢特征值置于在線順序極限學(xué)習(xí)機中訓(xùn)練識別,對比了不同的分類算法,比較不同分類算法在識別正確率方面的高低。同時分析了在線順序極限學(xué)習(xí)機在不同大小樣本上相對于其他分類算法有著更快的訓(xùn)練速度和更高的識別率,為手勢識別提供了更加豐富的數(shù)據(jù)形式。通過實驗數(shù)據(jù)的對比,本文提出將卷積神經(jīng)網(wǎng)絡(luò)與在線順序極限學(xué)習(xí)機相結(jié)合的方法應(yīng)用到手勢識別中比單純的使用卷積神經(jīng)網(wǎng)絡(luò)具有更高的識別準(zhǔn)確率,在不同大小的數(shù)據(jù)上也具有更強的適用性。最后,基于本文提出的算法,開發(fā)了手勢識別系統(tǒng)。將算法應(yīng)用到實際生活中,實現(xiàn)算法的落地應(yīng)用。將算法與游戲動畫相結(jié)合,以實際應(yīng)用驗證本文提出算法的實用性。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

2.4 神經(jīng)網(wǎng)絡(luò)模型舉例卷積神經(jīng)網(wǎng)絡(luò)經(jīng)過數(shù)十年的發(fā)展，網(wǎng)絡(luò)的結(jié)果也在不斷的改進，識別的準(zhǔn)確率也在不斷的增加。同時帶來的網(wǎng)絡(luò)的復(fù)雜度也在不斷增加，我們在實際應(yīng)用中，需要根據(jù)自己的數(shù)據(jù)集采用適合自己的網(wǎng)絡(luò)結(jié)果。深度太深，網(wǎng)絡(luò)太過復(fù)雜帶來的計算量也是巨大的，得到的效果適得其反。下面簡單介紹幾個常見的卷積神經(jīng)網(wǎng)絡(luò)模型：（1） LeNet 網(wǎng)絡(luò)LeCun[49]等人 1998 年在 IEEE 上發(fā)表的論文，正式拉開了卷積神經(jīng)網(wǎng)絡(luò)的序幕。LeCun 提出這個網(wǎng)絡(luò)的初始作用是用來識別像素為 32x32 的手寫數(shù)字圖像。該網(wǎng)絡(luò)包含輸入層，以及其他的七層網(wǎng)絡(luò)層。如圖 2.7 所示，輸入的手寫字母“A”的初始大小為 32x32，經(jīng)過卷積層（Convolutions）計算，池化層作用（Subsamping）輸出特征值矩陣的大小為 14x14。再經(jīng)過一輪卷積池化的作用特征矩陣的大小變?yōu)?5x5。最后將矩陣“平鋪”成一維數(shù)據(jù)放入全連接層訓(xùn)練。這種網(wǎng)絡(luò)結(jié)構(gòu)在手寫數(shù)據(jù)訓(xùn)練集上取得了相當(dāng)好的結(jié)果，為后來卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展奠定了基礎(chǔ)。

圖 2. 8AlexNet 網(wǎng)絡(luò)結(jié)構(gòu)Fig 2. 8 AlexNet network structure如圖 2.8所示，AlexNet 網(wǎng)絡(luò)與 LeNet 網(wǎng)絡(luò)在一定程度上有很多相似的地方。從結(jié)構(gòu)上可以直觀的看出 AlexNet 網(wǎng)絡(luò)有兩條通道，這是由于當(dāng)時顯卡容量的問題，無法滿足 AlexNet 網(wǎng)絡(luò)的 60M 個參數(shù)在同一張顯卡上運算。從圖中的第二個最大池化層（Max pooling）可以看出上下兩部分進行了數(shù)據(jù)的交互，在最后匯總到大小為 1000 的 SoftMax 層輸出。由于 AlexNet 網(wǎng)絡(luò)在 ILSVRC 數(shù)據(jù)集上做 1000 分類，涉及數(shù)據(jù)量之大，參數(shù)之多。在訓(xùn)練的時候必然會遇到過擬合的問題。在這個問題上 AlexNet 網(wǎng)絡(luò)采用了數(shù)據(jù)增強和隨機失活（Dropout）手段。數(shù)據(jù)增強的方式一般是增大數(shù)據(jù)量。Dropout 的原理就是以 0.5 的概率將每個隱層神經(jīng)元的輸出設(shè)置為零。以這種方式“dropped out”的神經(jīng)元既不參與前向傳播，也不參與反向傳播。所以每次提出一個輸入，該神經(jīng)網(wǎng)絡(luò)就嘗試一個不同的結(jié)構(gòu)，但是所有這些結(jié)構(gòu)之間共享權(quán)重。因為神經(jīng)元不能依賴于其他特定神經(jīng)元而存在，所以這種技術(shù)降低了神經(jīng)元復(fù)雜的互適應(yīng)關(guān)系。

圖 3.5 手勢訓(xùn)練集Fig 3.5 Gesture Training Set.2 卷積神經(jīng)網(wǎng)絡(luò)模型介紹卷積神經(jīng)網(wǎng)絡(luò)在圖像的分類上具有優(yōu)秀的表現(xiàn)[56]，采用神經(jīng)網(wǎng)絡(luò)提取圖像征具有深刻的研究價值。神經(jīng)網(wǎng)絡(luò)對圖像特征提取以及后面的對特征值的訓(xùn)類識別都具有良好的表現(xiàn)。.2.1 網(wǎng)絡(luò)結(jié)構(gòu)本文對手勢識別方法中神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用類似 VGGNet 網(wǎng)絡(luò)模型，這種模優(yōu)良性能在第二章的 2.4 小節(jié)中已介紹。VGGNet 網(wǎng)絡(luò)的優(yōu)勢在于雙卷積模以極大程度的解決過擬合問題[57]。本文采用的神經(jīng)網(wǎng)絡(luò)框架借鑒 VGGNet模型，如圖3.6所示，從圖中可以清楚的看出由紅藍兩個虛線平行四邊形組成色虛線平行四邊形采用的類似 VGGNet 網(wǎng)絡(luò)結(jié)構(gòu)，兩個卷積層和一個池化層組，共三組，包含六層卷積層（Conv）、三層最大池化層（Pooling）和一個
【參考文獻】

相關(guān)期刊論文 前6條

1 VanBang L E;朱煜;趙江坤;陳寧;;基于深度圖像HOG特征的實時手勢識別方法[J];華東理工大學(xué)學(xué)報(自然科學(xué)版);2015年05期

2 蔡娟;蔡堅勇;廖曉東;黃海濤;丁僑俊;;基于卷積神經(jīng)網(wǎng)絡(luò)的手勢識別初探[J];計算機系統(tǒng)應(yīng)用;2015年04期

3 劉云龍;高存臣;任啟峰;郭真真;;水下機器人基于sigmoid函數(shù)的軟變結(jié)構(gòu)控制[J];電機與控制學(xué)報;2012年02期

4 李潔;柴天佑;宮經(jīng)寬;;基于交叉熵算法的PID控制器設(shè)計[J];控制與決策;2011年05期

5 陳小平,石玉,于盛林;遺傳算法在前向神經(jīng)網(wǎng)絡(luò)參數(shù)估計中的應(yīng)用[J];電子測量與儀器學(xué)報;2001年02期

6 張衛(wèi)東,孫優(yōu)賢;基于Taylor展開的Smith預(yù)估器優(yōu)化設(shè)計[J];儀器儀表學(xué)報;1997年02期

本文編號：2837446