·386 智能系统学报 第9卷 部运动和姿势是体态语言情感表达的主要形式[)。 N+T 近年来，体态语言的情感识别已成为人机交互 RMS EMG2(t)dt/T (1) 的研究热点[)。大量的研究集中在如何有效识别 式中：EMG(t)为第t时刻EMG信号的采样值，T为一 高兴、悲伤、吃惊、恐惧、愤怒和厌恶这6种基本情 个采样时间段中的时间长度。本文采用RMS的最大 感[。除基本情感外，人的情感还包括如同意、不 值RMSMAX、值平均RMSMEAN以及方差RMSVAR作为特 同意，思考与兴趣等社会态度，在日常生活中的发生 征值。它们的计算量小，可以在采样的间隙完成特征 频率远远高于6种基本情感[1。其中“同意”与“不 提取，近似反映统计特征随时间的变化规律16。 同意”被视为最常见的社会态度之一，由点头与摇 n、 G代：. , 头这2种典型的头部体态语言表达[)。同表情与 姿势相比，头部运动能够灵活、准确和自发地传递人 的情感与态度，几乎完全是潜意识的。本文针对 5, 头部体态语言表达的“同意”与“不同意”情感态度 进行识别。常用的方法主要基于计算机视觉[8】，但 F.1冬l* 识别结果依赖图像和视频的质量，易受相机视角、背 景与光照等环境因素的影响]」 KM大iI 由于表面肌电(surface electromyography,sEMG) 在一定的程度上能反映神经肌肉的活动[)，近年来 Wilcac.: 被视为人机交互的一种新兴输入源山，已在手 势[2]与表情[町等体态语言识别中取得了一定进 。(ih-l:·价5。 展。与计算机视觉的方法相比，该方法具有感知动 11 81列 作直接、检测动作敏感等优点，受到角度与距离的影 响较小，能提供非视觉线索9.。然而，有关头部体 T 态语言sEMG识别的文献很少，可能的原因在于头 1 中 部体态语言的表达与颈部肌肉活动密切相关，但头 图1模型的概念框架 -颈运动系统具有高度复杂性)，有关颈部肌肉正 Fig.1 Conceptual framework of the model 常活动与肌力变化缺乏系统研究)。 通过Wileoxon秩和检验，比较执行点头与摇头 针对上述问题，本文提出基于贪心遗传算法 的头夹肌、胸锁乳突肌和斜方肌的各3项RMS指标 (greedy genetic algorithm,GGA)优化的Elamn神经 的差异性是否具有统计学意义，从中提取能够表征 网络(GGA-Elman)的头部体态语言sEMG识别方 “同意”与“不同意”体态语言的特征，作为构建识别 法。通过实验分析头夹肌、胸锁乳突肌和斜方肌在 模型的输入值向量。Wilcoxon秩和检验是用秩和作 表达“同意”与“不同意”时sEMG信号的幅值变化： 为统计量进行假设检验的非参数统计方法，算法原 利用Vilcoxon秩和检验提取时域指标的特征值，进 理详见文献[17]，基本步骤为： 而采用GGA-Elman网络建立了识别模型，并与标准 1)建立假设。H。:差值的总体中位数M。=0: Elman模型以及BP模型进行性能比较，验证本文方 H1:M≠0；a=0.05。 法的有效性。 2)求差值并编秩。按差数的绝对值大小由小 1头部体态语言识别方法 到大编秩，再由差值的符号给秩次加符号。 3)求样本数最小组的秩和作为检验统计量T。 1.1概念框架 4)以样本含量较小组的个体数n1、2组样本含 本文方法的概念框架如图1所示。其中，表达 量之差n2-n,及T值查检验界值表。 头部体态语言的颈部肌肉sEMG特征提取与识别算 5)确定p值并做出统计推断。 法的选取，对模型的准确性和可靠性起关键作用。 当样本含量n>50时，用正态近似法作z检验： 1.2sEMG时域特征提取 当相同秩次较多时，用校正公式计算z值如下： 基于电生理学原理，提取完成一次点头与摇头 1T-n(n+1)/41-0.5 z= 动作时，颈部肌肉sEMG的均方根值(root means √/n(n+1)(2n+1)/24/-/∑(r-T)/48 quare,RMS)作为时域指标，RMS能够在时间维度上 (2) 反映sEMG振幅的变化特征，常被用于实时、无损伤 式中：T,为第j个相同秩次的个数。 地反映肌肉活动状态o],算法如下：部运动和姿势是体态语言情感表达的主要形式咱猿暂 遥 近年来袁体态语言的情感识别已成为人机交互 的研究热点咱猿暂 遥 大量的研究集中在如何有效识别 高兴尧悲伤尧吃惊尧恐惧尧愤怒和厌恶这 远 种基本情 感咱源暂 遥 除基本情感外袁人的情感还包括如同意尧不 同意袁思考与兴趣等社会态度袁在日常生活中的发生 频率远远高于 远 种基本情感咱缘暂 遥 其中野同意冶与野不 同意冶被视为最常见的社会态度之一袁由点头与摇 头这 圆 种典型的头部体态语言表达咱远暂 遥 同表情与 姿势相比袁头部运动能够灵活尧准确和自发地传递人 的情感与态度袁几乎完全是潜意识的咱苑暂 遥 本文针对 头部体态语言表达的野同意冶与野不同意冶情感态度 进行识别遥 常用的方法主要基于计算机视觉咱愿暂 袁但 识别结果依赖图像和视频的质量袁易受相机视角尧背 景与光照等环境因素的影响咱怨暂 遥 由于表面肌电渊 泽怎则枣葬糟藻 藻造藻糟贼则燥皂赠燥早则葬责澡赠袁泽耘酝郧冤 在一定的程度上能反映神经肌肉的活动咱员园暂 袁近年来 被视为人机交互的一种新兴输入源咱员员暂 袁 已在手 势咱员圆暂与表情咱员猿暂 等体态语言识别中取得了一定进 展遥 与计算机视觉的方法相比袁该方法具有感知动 作直接尧检测动作敏感等优点袁受到角度与距离的影 响较小袁能提供非视觉线索咱怨袁员圆暂 遥 然而袁有关头部体 态语言 泽耘酝郧 识别的文献很少袁可能的原因在于头 部体态语言的表达与颈部肌肉活动密切相关袁但头 原颈运动系统具有高度复杂性咱员源暂 袁有关颈部肌肉正 常活动与肌力变化缺乏系统研究咱员缘暂 遥 针对上述问题袁本文提出基于贪心遗传算法 渊早则藻藻凿赠 早藻灶藻贼蚤糟 葬造早燥则蚤贼澡皂袁郧郧粤冤 优化的 耘造葬皂灶 神经 网络渊 郧郧粤鄄耘造皂葬灶冤 的头部体态语言 泽耘酝郧 识别方 法遥 通过实验分析头夹肌尧胸锁乳突肌和斜方肌在 表达野同意冶与野不同意冶时 泽耘酝郧 信号的幅值变化曰 利用 宰蚤造糟燥曾燥灶 秩和检验提取时域指标的特征值袁进 而采用 郧郧粤鄄耘造皂葬灶 网络建立了识别模型袁并与标准 耘造皂葬灶 模型以及 月孕 模型进行性能比较袁验证本文方 法的有效性遥 员摇 头部体态语言识别方法 员援员摇 概念框架 本文方法的概念框架如图 员 所示遥 其中袁表达 头部体态语言的颈部肌肉 泽耘酝郧 特征提取与识别算 法的选取袁对模型的准确性和可靠性起关键作用遥 员援圆 摇 泽耘酝郧 时域特征提取 基于电生理学原理袁提取完成一次点头与摇头 动作时袁颈部肌肉 泽耘酝郧 的均方根值 渊 则燥燥贼 皂藻葬灶泽 择怎葬则藻袁砸酝杂冤作为时域指标袁砸酝杂 能够在时间维度上 反映 泽耘酝郧 振幅的变化特征袁常被用于实时尧无损伤 地反映肌肉活动状态咱员园暂 袁算法如下院 砸酝杂 越 乙 贼垣栽 贼 耘酝郧圆 渊贼冤 凿贼辕栽 渊员冤 式中院耘酝郧渊贼冤为第 贼 时刻 耘酝郧 信号的采样值袁栽 为一 个采样时间段中的时间长度遥 本文采用 砸酝杂 的最大 值 砸酝杂酝粤载尧值平均 砸酝杂酝耘粤晕以及方差 砸酝杂灾粤砸作为特 征值遥 它们的计算量小袁可以在采样的间隙完成特征 提取袁近似反映统计特征随时间的变化规律咱员远暂 遥 图 员摇 模型的概念框架 云蚤早援员摇 悦燥灶糟藻责贼怎葬造 枣则葬皂藻憎燥则噪 燥枣 贼澡藻 皂燥凿藻造 通过 宰蚤造糟燥曾燥灶 秩和检验袁比较执行点头与摇头 的头夹肌尧胸锁乳突肌和斜方肌的各 猿 项 砸酝杂 指标 的差异性是否具有统计学意义袁从中提取能够表征 野同意冶与野不同意冶体态语言的特征袁作为构建识别 模型的输入值向量遥 宰蚤造糟燥曾燥灶 秩和检验是用秩和作 为统计量进行假设检验的非参数统计方法袁算法原 理详见文献咱员苑暂 袁基本步骤为院 员 冤建立假设遥 匀园 院差值的总体中位数 酝凿 越 园曰 匀员 院酝凿屹 园曰琢 越 园援园缘遥 圆 冤求差值并编秩遥 按差数的绝对值大小由小 到大编秩袁再由差值的符号给秩次加符号遥 猿冤 求样本数最小组的秩和作为检验统计量 栽 遥 源 冤以样本含量较小组的个体数 灶 员 尧圆 组样本含 量之差 灶 圆 原 灶 员及 栽 值查检验界值表遥 缘 冤确定 责 值并做出统计推断遥 当样本含量 灶 跃缘园 时袁用正态近似法作 扎 检验曰 当相同秩次较多时袁用校正公式计算 扎 值如下院 扎 越 渣 栽 原 灶渊灶 垣 员冤 辕 源 渣 原 园援缘 辕 灶渊灶 垣 员冤渊圆灶 垣 员冤 辕 圆源 辕 原 辕 撞渊子猿 躁 原 子躁 冤 辕 源愿 渊圆冤 式中院 子 躁 为第 躁 个相同秩次的个数遥 窑猿愿远窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 怨 卷