[發明專利]一種基于云端通訊和支持向量機的交警手勢識別方法

在審

• 申請號: 202010146207.5
• 申請日: 2020-03-05
• 公開（公告）號: CN111382688A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 楊忠;宋愛國;徐寶國;田小敏;余振中
• 申請（專利權）人: 金陵科技學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/12;G08G1/0967;H04L29/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

1.一種基于云端通訊和支持向量機的交警手勢識別方法，具體步驟如下，其特征在于；

Step1：采集交警手勢數據；

根據實際情況，將交警指揮手勢分為相應典型情況，設定每名交警穿著有特質的可穿戴智能交互上衣，交互設備有內置關節點位置傳感器，可用來采集交警的關鍵關節點實時位置，采用的是可穿戴智能交互上衣的全局坐標系，選取人體腰部中間為坐標系原點，大地垂直法線為z軸方向，垂直人體胸腔平面為x軸方向，垂直于xz軸平面為y軸方向；

針對不同典型的交警指揮手勢，數據的差異性較大為人體左右手臂及手部的8個關節點位置信息，樣本集可表示為∏＝(X,Y)，其中，X＝{η_RH,η_RW,η_RE,η_RS,η_LS,η_LE,η_LW,η_LH}對應于交警的8個關節點位置信息，每個關節點位置信息η＝[x,y,z]表示三個軸方向的坐標值，Y為每個樣本對應的交警手勢標簽類別，在保證手勢正確無誤情況下，多次采集樣本，生成樣本集。然后，以8:2的比例將樣本集分為訓練集和驗證集；

Step2：搭建交警手勢的SVM識別模型；

提出交警手勢的SVM識別模型，首先將手勢識別問題轉化為多個二分類問題，構造9個SVM二分類器，第K次分類把手勢類別為K的樣本定為正樣本，剩余的其他類別手勢樣本合起來定為負樣本，這樣就得到一個大的二分類器，實現了對對應手勢和無手勢樣本進行識別的目的，每個交警手勢SVM二分類器分類基礎為尋找一個滿足數據分類要求的最優超平面，使得超平面在確保分類精度的情況下，超平面與兩類樣本點距離最大，針對交警手勢樣本，超平面方程為w^TX+b＝0，w為權值，b為偏置，在線性不可分的情況下，使得分類間隔最大的優化問題可表示為其中，ζ_i為松弛變量，c為懲罰因子，用于調節分類權重；

所建立的SVM的最終分類函數為其中，λ為拉格朗日乘子，K(X_i,x)為SVM模型的核函數，在具體操作時，基于MATLAB環境，使用libsvm工具，選擇徑向基核函數為交警手勢SVM識別模型的核函數，其中，σ為核參數，以找出基于云端數據的手勢超平面最優超平面；

Step3：GA算法優化訓練獲得最優交警手勢識別模型；

根據經驗，在解決實際問題時，需要選擇合適的核函數K(X_i,x)和適當的懲罰因子c，以達到最優解目的；

Step4：基于最優多維力傳感器解耦模型測試；

在建立了最優的GA-SVM交警手勢識別模型后，車輛將此模型嵌入到車載系統中，車車輛在行駛過程中通過OBD接口接入云端，實時采集云端發送給車載通訊系統的交警數據，該數據源于交警可穿戴智能交互上衣通過云端數據發射器轉發，車輛在行駛至交警的指揮范圍后，收集交警手勢云端數據，并基于訓練好的GA-SVM交警手勢識別模型，得出交警手勢識別結果。

2.根據權利要求1所述的一種基于云端通訊和支持向量機的交警手勢識別方法，其特征在于：所述Step1中交警指揮手勢可分為停止、直行、左轉彎、左轉彎待轉、右轉彎、變道、減速慢行、車輛靠邊停車8種典型情況。

3.根據權利要求1所述的一種基于云端通訊和支持向量機的交警手勢識別方法，其特征在于：所述Step1中交警手勢標簽類別為停止、直行、左轉彎、左轉彎待轉、右轉彎、變道、減速慢行、車輛靠邊停車和無手勢。

4.根據權利要求1所述的一種基于云端通訊和支持向量機的交警手勢識別方法，其特征在于：所述Step3選擇合適的核函數K(X_i,x)和適當的懲罰因子c，其步驟如下:首先進行二進制編碼，確定適應度函數，這里使用驗證集的準確率作為適應度，設置遺傳算法初始化參數，其中種群進化代數為100，種群數量為50，懲罰因子c的取值邊界為[0,50]，徑向基核參數σ的參數范圍為[0,100]。按照適應度函數計算每次迭代后每個個體的適應度值，然后判斷是否滿足終止條件，若達到最大迭代次數或者所得解收斂或者所得解已經達到了預期的效果，就終止迭代，否則按照輪盤賭選擇機制從當前種群中選取一定的個體作為新一代的種群，進行交叉、變異操作，繼續返回到計算適應度值，當終止迭代時，即得到使得模型最佳的參數組合，將優化的參數c和σ代入SVM模型進行訓練。