ПРИКАСПИЙСКИЙ ЖУРНАЛ

УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ

Распознавание мимических жестов на основе анализа электромиографического сигнала

Читать

Старченко И.Б., Будко Р.Ю. Распознавание мимических жестов на основе анализа электромиографического сигнала // Прикаспийский журнал:  управление и высокие технологии. — 2016. — №1. — Стр. 39-50.

Старченко И.Б. - доктор технических наук, профессор, Южный федеральный университет, 347922, Российская Федерация, г. Таганрог, ул. Шевченко, 2, star@fep.tti.sfedu.ru

Будко Р.Ю. - аспирант, Южный федеральный университет, 347922, Российская Федерация, г. Таганрог, ул. Шевченко, 2, budko@yandex.ru

Представлены результаты эксперимента по распознаванию мимических жестов с помощью обработки поверхностной мимической электромиограммы (ЭМГ) на основе алгоритма радиальной базисной функции нейронной сети (НС). Для обучения НС предложено использовать характеристики ЭМГ-сигнала во временной области, полученные методом неперекрывающихся окон. Были записаны мимические ЭМГ с группы испытуемых. В рамках предварительной обработки сигнала использованы процедуры, обеспечившие снижение уровня шума, фильтрации, сглаживания, сегментации, понижения размерности, выделения признаков. Изучена и сравнена эффективность использования в качестве входной информации для обучения НС девяти признаков ЭМГ, извлеченных как функции времени: интегральная ЭМГ; среднее арифметическое; среднее значение модуля; конечные разности; сумма элементарных площадей; дисперсия; среднеквадратичное отклонение; длина сигнала; максимальное пиковое значение. Оценка эффективности использования этих признаков проводилась по двум параметрам, наиболее важным для использования в приложениях в режиме реального времени: производительность НС и время обучения. Лучший результат по производительности НС получен для признака «Максимальные пиковые значения ЭМГ» (точность распознавания 93,4 % в среднем для всех испытуемых) при высокой скорости обучения (0,25 с). Проведено сравнение результатов для предложенного алгоритма с методом опорных векторов и многослойным персептроном НС. Доказана более высокая производительность алгоритма радиальной базисной функции. Полученный алгоритм и НС на его основе может использоваться в задачах построения интерфейсов человек-машина в режиме реального времени (например, для управления инвалидным креслом).

Ключевые слова: электромиограмма, мимические движения, распознавание, обработка сигнала, искусственные нейронные сети, извлечение признаков, радиальная базисная функция нейронной сети, electromyography, facial movements, recognition, signal processing, artificial neural