黃彥銘，寧媛

（貴州大學(xué) 電氣工程學(xué)院，貴陽(yáng) 550025）

0 引言

人的手勢(shì)自身就具有廣泛的多義性、多樣性、多元化以及空間和時(shí)間上的差異性等多種獨(dú)特的特點(diǎn)，再加上人手形體的復(fù)雜性以及人體視覺(jué)的不確定性，所以基于視覺(jué)的手勢(shì)識(shí)別成為了多學(xué)科、多領(lǐng)域交叉的研究難題。

手勢(shì)識(shí)別主要是利用機(jī)器設(shè)備對(duì)人的手、胳膊等各關(guān)節(jié)的空間角度位置進(jìn)行檢測(cè)。這些機(jī)器設(shè)備大多是通過(guò)有線通信技術(shù)將計(jì)算機(jī)系統(tǒng)與人體互相結(jié)合連接，讓使用者的手勢(shì)信息準(zhǔn)確地傳送至識(shí)別系統(tǒng)內(nèi)，其中典型設(shè)備以數(shù)據(jù)手套等機(jī)器設(shè)備為代表［1］。數(shù)據(jù)手套是由各種傳感器組成的，使用者利用這些傳感器將自身手的位置、角度以及手指的角度等信息錄入到計(jì)算機(jī)系統(tǒng)內(nèi)，達(dá)到手勢(shì)識(shí)別的目的。盡管數(shù)據(jù)手套能夠?qū)θ耸肿R(shí)別達(dá)到良好的識(shí)別檢測(cè)效果，但由于其價(jià)格昂貴，難以普遍應(yīng)用。在此之后，光學(xué)標(biāo)記方法的出現(xiàn)淘汰了數(shù)據(jù)手套，使用者的手上戴上光學(xué)標(biāo)記，通過(guò)紅外傳感器將人手位置、形態(tài)等變化傳送到系統(tǒng)內(nèi)，達(dá)到良好的識(shí)別效果，但此方法約束了人手的活動(dòng)范圍，也避免不了復(fù)雜的設(shè)備使用［2］。

雖然引入外部設(shè)備能夠提升手勢(shì)識(shí)別的快速性、穩(wěn)定性以及準(zhǔn)確性，但卻會(huì)掩蓋手勢(shì)的自然表達(dá)方式，于是基于視覺(jué)的手勢(shì)識(shí)別方式應(yīng)運(yùn)而生［3］。

1 總體設(shè)計(jì)方案

本研究的設(shè)計(jì)流程如圖1 所示。利用OpenCV調(diào)用電腦攝像頭采集人體手勢(shì)圖像，建立手勢(shì)庫(kù)，以此為基礎(chǔ)，對(duì)手勢(shì)庫(kù)中所采集到的手勢(shì)圖像進(jìn)行預(yù)處理，將圖像中的手勢(shì)部分提取出來(lái)，分為測(cè)試集和訓(xùn)練集2 部分。其中，訓(xùn)練集用于導(dǎo)入所設(shè)計(jì)的CNN 卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，測(cè)試集則是對(duì)所得到的訓(xùn)練模型進(jìn)行準(zhǔn)確率測(cè)試，當(dāng)測(cè)試準(zhǔn)確率達(dá)標(biāo)，則輸出保存訓(xùn)練模型，以此作為實(shí)時(shí)手勢(shì)圖像的手勢(shì)判斷模型。

圖1 總體設(shè)計(jì)流程Fig.1 Overall design

2 圖像預(yù)處理

2.1 圖像預(yù)處理概述

圖像預(yù)處理在數(shù)字圖像中占有很重要的地位，圖像質(zhì)量的好壞，直接影響分析，例如分類、識(shí)別、分割等，圖像預(yù)處理部分就是基礎(chǔ)，也是重中之重。圖像預(yù)處理即是將手中的原始圖像進(jìn)行加工，處理。在本研究中針對(duì)手勢(shì)圖像，采用了數(shù)據(jù)增廣，膚色提取和形態(tài)學(xué)處理3 種方法做圖像預(yù)處理。

2.2 數(shù)據(jù)增廣

作為深度學(xué)習(xí)預(yù)處理中的常用技巧之一，數(shù)據(jù)增廣的作用是增加數(shù)據(jù)集的量，增加數(shù)據(jù)集的多元性以及多樣性，使所得到的訓(xùn)練模型具有更強(qiáng)的泛化能力。通過(guò)數(shù)據(jù)增廣提升數(shù)據(jù)集中的相關(guān)數(shù)據(jù)，能防止網(wǎng)絡(luò)學(xué)習(xí)到不相關(guān)的特征，更多的學(xué)到與數(shù)據(jù)有關(guān)的性能，顯著的提升整體的性能，目前數(shù)據(jù)增廣主要包括：水平／垂直翻轉(zhuǎn)、旋轉(zhuǎn)、縮放、裁剪、剪切、平移、對(duì)比度、色彩抖動(dòng)、噪聲等［4］。本研究中主要運(yùn)用圖像平移、翻轉(zhuǎn)以及旋轉(zhuǎn)3 種常用數(shù)據(jù)增廣方法。

假設(shè)圖像的原始坐標(biāo)為（x0，y0），平移后的坐標(biāo)為（x，y），則平移前和平移后的坐標(biāo)關(guān)系如式（1）所示：

平移是指所有的像素在x和y方向各平移相應(yīng)單位，平移變換對(duì)應(yīng)的數(shù)學(xué)矩陣為式（2）：

圖像翻轉(zhuǎn)包括水平翻轉(zhuǎn)和垂直翻轉(zhuǎn)，其中水平翻轉(zhuǎn)對(duì)應(yīng)的數(shù)學(xué)矩陣如式（3）所示，垂直翻轉(zhuǎn)對(duì)應(yīng)的數(shù)學(xué)矩陣如式（4）所示：

圖像旋轉(zhuǎn)則是需要確定旋轉(zhuǎn)角，旋轉(zhuǎn)對(duì)應(yīng)的數(shù)學(xué)矩陣如（5）所示：

本文對(duì)原始手勢(shì)圖像所做的數(shù)據(jù)增廣示例，如圖2 所示。

圖2 數(shù)據(jù)增廣示例圖Fig.2 Data augmentation example diagram

2.3 膚色提取

常規(guī)下原始手勢(shì)圖像都是基于RGB（三原色）空間下的圖像，這樣的圖像更便于在硬件中理解與處理。而在機(jī)器視覺(jué)中，為了提取RGB 原始手勢(shì)圖像中的手勢(shì)部分，通常是將RGB 轉(zhuǎn)換為HSV 顏色空間，其中H代表色度 hue，S代表飽和度saturation，V代表亮度value，各個(gè)參數(shù)的范圍見(jiàn)表1［5］。因此，在HSV 顏色空間中能通過(guò)對(duì)3 個(gè)參數(shù)的范圍進(jìn)行一個(gè)設(shè)定，在此范圍內(nèi)的即為膚色區(qū)域，也就是手勢(shì)區(qū)域。而膚色區(qū)域的H、S、V3 個(gè)參數(shù)范圍如式（6）所示。

表1 HSV 參數(shù)范圍Tab.1 HSV parameter range

基于HSV 顏色空間的膚色提取預(yù)處理圖像示例如圖3 所示。

圖3 基于HSV 顏色空間的膚色提取示例圖Fig.3 Skin color extraction based on HSV color space example diagram

2.4 形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)中有2 個(gè)基本運(yùn)算，即腐蝕和膨脹。腐蝕和膨脹是針對(duì)圖像高亮部分而言，其操作就是將圖像或圖像的一部分A，與卷積核B 進(jìn)行卷積后的取值與賦值操作。

圖像腐蝕操作就像“領(lǐng)域被蠶食”一樣，將圖像的高亮部分縮減化，其運(yùn)行所得到的結(jié)果圖與原圖中的高亮區(qū)域相比面積更小，線條更細(xì)。其數(shù)學(xué)表達(dá)式（7）如下：

式（7）表示圖像A 用卷積核B 來(lái)進(jìn)行腐蝕處理，通過(guò)卷積核B 與圖像A 進(jìn)行卷積計(jì)算，得出B覆蓋區(qū)域的像素最小值，并用這個(gè)最小值來(lái)替代參考點(diǎn)的像素值，即是求局部最小值操作，這樣原圖中的高亮區(qū)域就會(huì)逐漸減小。

圖像膨脹操作是腐蝕操作的逆操作，就像“領(lǐng)域的擴(kuò)張”一樣，將圖像中的高亮區(qū)域擴(kuò)張，其運(yùn)行所得到的結(jié)果圖與原圖的高亮區(qū)域相比面積更大，線條更粗。其數(shù)學(xué)表達(dá)式（8）如下：

式（8）表示圖像A 用卷積核B 來(lái)進(jìn)行膨脹操作，即是求局部最大值，達(dá)到增大原圖高亮區(qū)域的目的。

腐蝕與膨脹兩者結(jié)合形成了開運(yùn)算和閉運(yùn)算。開運(yùn)算是先腐蝕再膨脹，主要目的為去除孤立的小點(diǎn)；閉運(yùn)算則是先膨脹再腐蝕，主要目的為填平小孔，彌合小裂縫。本研究中運(yùn)用了兩次開運(yùn)算，用以加強(qiáng)對(duì)圖像的處理效果，處理示例如圖4 所示。

圖4 腐蝕膨脹示例圖Fig.4 Corrosion and expansion example diagram

3 CNN 卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)與實(shí)驗(yàn)結(jié)果

3.1 模型建立

本文采用深度學(xué)習(xí)中的CNN 卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)所得到的預(yù)處理手勢(shì)圖片進(jìn)行模型訓(xùn)練，相較于簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型，CNN 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)在于不再單一地對(duì)每個(gè)圖片像素做處理，而是對(duì)一小塊區(qū)域的處理。這種做法加強(qiáng)了圖像信息的連續(xù)性，使得神經(jīng)網(wǎng)絡(luò)看到的是一個(gè)圖像，而非一個(gè)點(diǎn)，同時(shí)也加深了神經(jīng)網(wǎng)絡(luò)對(duì)圖像的理解，卷積神經(jīng)網(wǎng)絡(luò)有一個(gè)批量過(guò)濾器，通過(guò)重復(fù)的收集圖像的信息，每次收集的信息都是小塊像素區(qū)域的信息，將信息整理，先得到邊緣信息，再用邊緣信息總結(jié)出更高層的信息結(jié)構(gòu)，得到部分輪廓信息，然后得到完整的圖像信息特征，最后將特征輸入全連接層進(jìn)行分類，得到分類結(jié)果。本文中卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)流程如圖5 所示。

圖5 CNN 卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)流程Fig.5 CNN convolutional neural network model design process

3.2 模型訓(xùn)練

使用預(yù)處理數(shù)據(jù)集訓(xùn)練的模型的準(zhǔn)確率和損失函數(shù)如圖6 和圖7 所示?？梢钥吹?，隨著訓(xùn)練模型步驟的增多，其深度的加深，即采集到的訓(xùn)練集的特征的逐步增多，訓(xùn)練的準(zhǔn)確率逐步增高，最后逐漸穩(wěn)定在0.96～0.97 之間，而損失函數(shù)也逐步的降低到0.6 左右。

圖6 訓(xùn)練集準(zhǔn)確率Fig.6 Training set accuracy

圖7 損失函數(shù)Fig.7 Loss function

3.3 實(shí)驗(yàn)結(jié)果

為了更好的實(shí)現(xiàn)人機(jī)交互，本文利用PyQt5 的designer 工具生成了人機(jī)交互界面，調(diào)用電腦攝像頭對(duì)實(shí)時(shí)拍攝的手勢(shì)圖像進(jìn)行識(shí)別，測(cè)試結(jié)果如圖8所示。

圖8 測(cè)試結(jié)果圖Fig.8 Test result chart

4 結(jié)束語(yǔ)

本文選用的工具是Spyder，對(duì)一、二、三、四，4種手勢(shì)圖像進(jìn)行圖像增廣、膚色提取和腐蝕膨脹等預(yù)處理操作，設(shè)計(jì)了CNN 卷積神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理圖像進(jìn)行分類、驗(yàn)證以及識(shí)別，并用PyQt5 的designer工具實(shí)現(xiàn)了人機(jī)交互界面顯示實(shí)驗(yàn)結(jié)果，得到了較為滿意的實(shí)驗(yàn)結(jié)果，為圖像預(yù)處理以及人機(jī)交互奠定了良好的基礎(chǔ)。