【摘要】：為了提高人與機(jī)器人交互過程中對觸摸手勢的識別能力,提出一種基于三支決策的觸摸手勢識別算法。通過對觸摸手勢數(shù)據(jù)集Co ST(corpus of social touch)的分析以及結(jié)合其他領(lǐng)域的研究,提出2種數(shù)據(jù)預(yù)處理方法"截取"和"去背景",并從6個(gè)不同角度提取了特征,包括基本特征、基于直方圖的特征、序列特征、梯度特征、接觸面積特征和基于每個(gè)傳感器的特征。以隨機(jī)森林為分類器采用十折交叉方法進(jìn)行了驗(yàn)證,發(fā)現(xiàn)不同的預(yù)處理對于不同觸摸手勢的識別有不同的效果。為了融合不同預(yù)處理的優(yōu)勢,引入三支決策的思想,將m分類問題轉(zhuǎn)化為m個(gè)2分類問題,使用統(tǒng)計(jì)的方法計(jì)算每個(gè)二分類的三支決策閾值,按照一定的先后順序和權(quán)重指標(biāo)對經(jīng)過不同預(yù)處理的分類結(jié)果進(jìn)行決策篩選。仿真實(shí)驗(yàn)結(jié)果表明,基于三支決策的觸摸手勢識別算法在一定程度上達(dá)到了融合的效果,并提高了觸摸手勢的識別率。
【圖文】：

以5%為步長。為了驗(yàn)證不同閾值的效果，我們在經(jīng)過不同閾值截取的訓(xùn)練數(shù)據(jù)集上提取1．3節(jié)描述的特征，以隨機(jī)森林為分類器使用十折交叉驗(yàn)證方法進(jìn)行驗(yàn)證，結(jié)果顯示，取均值的99%左右時(shí)，具有較好的表現(xiàn)。因此，我們以手勢數(shù)據(jù)每一幀最大值序列的均值100%比例作為最終的閾值選擇。圖1中，水平方向虛線代表“截缺的閾值，將數(shù)據(jù)開始和結(jié)束部分低于閾值的幀去除掉。圖1手勢“hit”每幀壓力最大值序列Fig．1Sequencesofthemaximumpressurevalueforeachframeofgesture“hit”“去背景”:一些手勢由于本身的特性過于輕微或者實(shí)施的過快，很難捕捉到有效的特征信息。圖2為手勢“tap”原始數(shù)據(jù)的部分幀，8×8的方框代表數(shù)據(jù)的8×8矩陣，黑色區(qū)域代表壓力敏感的區(qū)域，顏色越深壓力越大。為了將這部分手勢的有效部分凸顯出來，實(shí)驗(yàn)中參照灰度圖二值化的方法，對手勢數(shù)據(jù)的每一幀的壓力矩陣做了“二值化”處理，選取合適的閾值，將小于閾值的壓力點(diǎn)作為“背景”，大于閾值的作為“前景”，保留“前景”去掉“背景”即壓力置為零。實(shí)驗(yàn)中嘗試了最大類間方差法，均值以及最大值的50%，同樣在訓(xùn)練集上采用十折交叉進(jìn)行測試，最終選擇最大類間方差法作為“去背景”的閾值計(jì)算方法。圖3為對應(yīng)幀經(jīng)過預(yù)處理后的數(shù)據(jù)。1．3特征提取通過對數(shù)據(jù)的分析以及參考其他研究者的工作，本文從6個(gè)角度提取了共331個(gè)特征，，其中包括基本特征、基于直方圖的特征、序列特征、梯度特征、接觸面積特征以及基于每個(gè)傳感器的特征。1)基本特征。這部分特征選取自文獻(xiàn)［11］，從宏觀的角度對觸摸手勢進(jìn)行特征的提齲包括手勢持續(xù)時(shí)間，手勢平均壓力值，最大壓力值，行列平均壓力值，壓力變化值以及位移，詳細(xì)描述可以參照文獻(xiàn)［11］，共計(jì)24個(gè)特征。2)基于直方?

畬笱沽χ擔(dān)嚯辛釁驕?壓力值，壓力變化值以及位移，詳細(xì)描述可以參照文獻(xiàn)［11］，共計(jì)24個(gè)特征。2)基于直方圖的特征。數(shù)據(jù)集CoST中觸摸手勢的數(shù)據(jù)為若干幀的壓力矩陣，不同手勢實(shí)施過程中動作、力度大小不同，則必然會使得壓力的分布有所差異。為了獲取不同手勢壓力分布的情況，本文采用圖像直方圖的方法來提取特征。數(shù)據(jù)集中壓力值變化為0～1023，實(shí)驗(yàn)中將這個(gè)區(qū)間均等劃分為若干塊，以手勢數(shù)據(jù)中壓力落在不同塊里的個(gè)數(shù)為特征。文獻(xiàn)［26］中測試了分別將區(qū)間劃分為2到32塊的效果，其中8塊的時(shí)候具有較好的效果。圖2手勢“tap”預(yù)處理前壓力矩陣圖Fig．2Framesofgesture“tap”beforepreprocessing3)序列特征。每一個(gè)手勢都是一個(gè)連續(xù)的過程，為了準(zhǔn)確地對手勢進(jìn)行識別，提取針對手勢持續(xù)·794·重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版)第29卷
【作者單位】： 重慶郵電大學(xué)計(jì)算智能重慶市重點(diǎn)實(shí)驗(yàn)室;
【基金】：重慶市研究生科研創(chuàng)新項(xiàng)目(CYS16161)~~
【分類號】：TP301.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 賈修一;李偉nK;商琳;陳家駿;;一種自適應(yīng)求三枝決策中決策閾值的算法[J];電子學(xué)報(bào);2011年11期

2 劉盾;姚一豫;李天瑞;;三枝決策粗糙集[J];計(jì)算機(jī)科學(xué);2011年01期

相關(guān)博士學(xué)位論文 前1條

1 劉欣;基于表情認(rèn)知的服務(wù)機(jī)器人情感計(jì)算研究[D];北京科技大學(xué);2015年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 時(shí)煜斌;劉群;;基于三支決策的觸摸手勢識別算法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年06期

2 朱輝;竇慧莉;;基于決策粗糙集模型的局部屬性約簡[J];電子設(shè)計(jì)工程;2017年21期

3 安世勇;肖成英;王瓏滔;;粗糙集三支決策理論及其應(yīng)用[J];西昌學(xué)院學(xué)報(bào)(自然科學(xué)版);2017年03期

4 李言;李麗紅;李爽;白斌;劉保相;;基于集對聯(lián)系熵的三支決策模型及應(yīng)用[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)版);2017年03期

5 方蓮娣;張燕平;陳潔;王倩倩;劉峰;王剛;;基于三支決策的非重疊社團(tuán)劃分[J];智能系統(tǒng)學(xué)報(bào);2017年03期

6 潘金山;謝愷;徐長安;;基于三支決策的高鐵列車停站決策研究[J];交通運(yùn)輸工程與信息學(xué)報(bào);2017年02期

7 史進(jìn)玲;張全友;杜根遠(yuǎn);;基于風(fēng)險(xiǎn)最小化的多粒度三支決策模型[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年02期

8 王玲玲;呂王勇;;擴(kuò)展的三支決策理論[J];四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年02期

9 陳夏艷;陳潔;;基于代價(jià)敏感邊界域處理的社團(tuán)發(fā)現(xiàn)算法[J];數(shù)碼設(shè)計(jì);2017年03期

10 李明霞;劉保相;張春英;;三支決策空間下的區(qū)間參數(shù)優(yōu)化模型及應(yīng)用[J];計(jì)算機(jī)科學(xué);2017年01期

相關(guān)博士學(xué)位論文 前2條

1 黃忠;類人機(jī)器人表情識別與表情再現(xiàn)方法研究[D];合肥工業(yè)大學(xué);2016年

2 閆紀(jì)錚;面向表情機(jī)器人交互式情感模型與控制方法研究[D];北京科技大學(xué);2016年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 王國胤;姚一豫;于洪;;粗糙集理論與應(yīng)用研究綜述[J];計(jì)算機(jī)學(xué)報(bào);2009年07期

2 趙文清;朱永利;高偉華;;一個(gè)基于決策粗糙集理論的信息過濾模型[J];計(jì)算機(jī)工程與應(yīng)用;2007年07期

3 葉東毅,陳昭炯;一個(gè)新的差別矩陣及其求核方法[J];電子學(xué)報(bào);2002年07期

4 徐捷 ,徐從富 ,耿衛(wèi)東 ,潘云鶴;基于粗糙集理論的動態(tài)目標(biāo)識別及跟蹤[J];電子學(xué)報(bào);2002年04期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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年06期

2 ;新型手勢識別技術(shù)可隔著口袋操作手機(jī)[J];電腦編程技巧與維護(hù);2014年07期

3 任海兵,祝遠(yuǎn)新,徐光

本文編號：2546748