葺＾ ２ ０１ ３ ＮＯ ．。．１ ９．学术论坛 ＳＣＩＥＮＣＥ＆ＴＥＣＨＮ０ＬＯＧＹ ． 。Ｉｊ｛圆 手势动作识别分类的研究① 尚小晶 徐成波 （吉林建筑大学城建学院电气信息工程系 吉林长春 １ ３０ １１ １） 摘要 手势动作识别分类已成为当今的热点研究问题，但目前所采用的识别方法识别率较低。为了寻找高识别率的手势识别方法，本文 提出了一种基于改进的ＰＮＮ神经同络手势识别算法。主要对传播率参数进行优化，克服了传统传播率需要人工设置的缺点。经过仿真实 验研究，改进算法平均正确识别率均在９０％以上，而传统算法的正确率仅为８０％左右，即改进的ＰＮＮ神经网络算法具有更短的训练时间和更 强的分类能力。 关键词：手势动作识别ＰＮＮ 传播率 识别率 中图分类号：ＴＰ１８３ 文献标识码：Ａ 文章编号：１ ６７２－３７９１（２０１３）０７（ａ）－０２１ ７－－０１ 表面肌电信号（ｓＥＭＧ）是从皮肤表面由 这一点与传统神经网络不同，大大减少了 点问题。 电极引导记录下来的一种重要的生物电信 训练时间。不仅如此该网络不易陷入局部 号。表面肌电信号使用方便，对人体无损 极小值点，非常适合模式识别研究。在进行 参考文献 伤，被广大的手势动作识别研究中应用，同 仿真实验时，传播率的改变对识别结果的 ［１】儿Ｎ Ｄ Ｗ，ＷＡＮＧ Ｒ ＣＨ．Ａｒｔｉｆｉｃｉａｌ 时也是智能假肢理想的控制信号源。目前， 影响明显，总会有一个值能使识别率最高， ｉｎｔｅｌｌｉｇｅｎｔ ｐｒｏｓｔｈｅｓｉｓ［Ｊ】．Ｃ ｈｉｎｅｓｅ Ｊ． 在手势动作识别方面国内外学者取得了有 但是在概率神经网络中该参数一般是手工 Ｃｌｉｎｉｃａｌ Ｒｅｈａｂｉ１ｉｔａｔｉｏｎ，２００２，５（２０）： 效的成果。例如Ｋ．Ｅｎｇｌｅｈａｒｔ等对四种手势 设定，增加了训练时间，为了提高效率本文 ２９９４—２９９５． 动作进行识别，识别率为９０％。２００４年 通过仿真实验，在多次试验中找使结果最 ［２】Ｐａｃｌｉｋ Ｐ，Ｎｏｖｏｖｉｃｏｖａ Ｊ，Ｐｕｄｉｌ Ｐ．Ｒｏａｄ Ｋｉｇｕｃｈｉ．Ｋ等人提出的识别方法大致可分 好的取值。粒子群优化算法被广泛应用与 ｓｉｇｎ ｃｌａｓｓｉｉｆｃａｔｉｏｎ ｕｓｉｎｇ Ｌａｐｌａｃｅ ｃｌａｓｓｉｆｉｅｒ 为统计识别方法、句法识别，集成识别方 优化数值的求解，本文采用该方法选取最 ［Ｊ］．Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ Ｌｅｔｔｅｒｓ，２０００， 法、神经网络识别方法等。本文采用改进的 优的传播率参数。 ２１（１３－１４）：ｌ１６５一ｌ１７３． ＰＮＮ￣￣经网络方法进行识别，该方法结构 【３】Ｓｕｅｔｅｕｓ Ｐ，Ｆｕａ Ｐ，Ｈａｎｓｏｎ Ａ Ｊ．Ｃｏｍ— 简单、训练时间短且识别率较高不仅克服 ３仿真实验及结果分析 ｐｕｔａｔｉｏｎａｌ ｓｔｒａｔｅｇｉｅｓ ｆｏｒ ｏｂｊｅｃｔ 了传统ＢＰ神经网络识别率低、训练时间长 将本文的改进算法统传统的算法进行 ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．ＡＣＭ Ｃｏｍｐｕｔｉｎｇ 的缺点同时也克服了传统ＰＮＮ网络传播率 比较分析，改进ＰＮＮ￣￣经网络算法记为Ｐ１ Ｓｕｒｖｅｙｓ，１９９２，２４（１）：５－６１． 系数需要手动设置的不足，较好的改善了 算法，传统ＢＰｉ００经网络算法记为Ｐ２算法。对 ［４］Ｓｐｅｃｈｔ Ｄ．Ｐｒｏｂａｂｉｌｉｓｔｉｃ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ 识别率。本文采用改进的ＰＮＮ神经网络对 于Ｐｌ算法：设计的ＰＮＮ网络的结构为：输入 ［Ｊ］．Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，１９９０，３（１）：１０９— 造型“ｃ”、食指伸展、伸腕、向下曲腕、握拳、 层有４个神经元，输出层有７个神经元，中间 １ｌ８． 向侧曲腕、手掌伸展７种手势动作进行模式 层的传递函数为高斯函数，输出层的传递 ［５】ＭｃＤｕｆｆ Ｒ Ｊ，Ｓｉｍｐｓｏｎ Ｐ Ｋ．Ａｎ Ｉｎｖｅｓ— 识别。 函数为线性函数。将第１通道均值、第２通道 ｔｉｇａｔｉｏｎ ｏｆ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｆ－１６ 均值、第１通道功率谱密度、第２通道功率谱 Ｆａｕｌｔ Ｄｉｇｎｏｓｉｓ：ＩＩ．Ｓｙｓｔｅｍ Ｐｅｒｆｏｒｍａｎｃｅ １ ｓＥＭＧ的特征提取与特征选择 密度作为输入特征，进行仿真实验研究。 ［Ｃ］／／ＳＰＩＥ １２９４ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ａｒｔｉ— 表面肌电信号的特征提取对手势动作 ｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ．１ ９９０：４２－４５． 的识别率有直接影响。本文采用时域、频域 ４结论 ［６１飞思科技产品研发中心．神经网络理论 及时频域的特征作为不同手势动作的特 传统的神经网络训练时间长且易陷入 与ＭＡＴＬＡＢ７实现［Ｍ］．北京：电子工业 征。但是，特征太多会给计算带来困难，而 局部极小值，在手势动作识别研究中正确 出版社，２００５． 且会造成分类效果的恶化。因此本文采用 识别率也并不高，本文针对这些问题提出 【７】雷正伟，徐章遂．一种基于故障重要度 Ｋ—ｗ检验的方法对时域、频域及时频域的 的改进ＰＮＮ神经网络有效克服了这些不 的概率神经网络诊断方法［Ｊ］．计算机测 单个特征进行评价，选择最具有分离度的 足，识别率提高到９０％左右，并且训练时间 量与控制，２００５，１２（２）：１０７－１０９． 特征。本文将提取的特征作为改进ＰＮＮ神 也缩短了一半。有效的改善了手势动作识 经网络的输入信息对７种手势动作识别分 别效果。 类，并与传统的神经网络进行识别率对比 改进ＰＮＮ￣０经网络的提出为手势动作 分析。 识别分类提供了理论基础，为智能假肢的 研究提高的科学依据，但是，为了将手势 ２改进ＰＮＮ神经网络模型 动作的识别算法应用于智能假肢，改进的 ＰＮＮ￣￥经网络是１９９０年由Ｓｐｅｃｈｔ提出 概率神经网络识别算法的识别率仍有待 的一种径向基函数（ＲＢＦ）网络的重要变形。 提高。因此，寻找更有效的识别算法，提高 它的训练学习过程是一个完全正向的过程 手势动作的识别准确率是今后的研究热 ①作者简介：尚小晶（１ ９８７－－），女，湖北宜昌人，硕士，吉林建筑大学城建学院，助教，研究方向：建筑电气与智能化专业的教学。 徐成波（１９７９一），男，吉林长春人，硕士，吉林建筑大学城建学院，讲师，研究方向：电气信息系学工工作。 科技资讯ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ ２ １ ７