基于 GGA-Elman 网络的头部体态语言 sEMG识别

摘要：

为提高头部体态语言表达“同意”与“不同意”态度的识别效果，提出结合贪心遗传算法和Elman神经网络的表面肌电识别方法。通过前导实验分别采集8名被试者点头与摇头时颈部肌肉的表面肌电信号，利用Wilcoxon秩和检验提取具有显著性差异的10个肌电时域特征值，进而基于贪心遗传算法优化的Elman神经网络建立体态语言识别模型。实验结果表明，该模型能成功识别自发表达“同意”与“不同意”的头部体态语言，与标准Elman神经网络和BP神经网络的识别模型相比，相关系数更高、均方误差更小，对测试集的正确识别率提高了3．2％以上，从而验证了该方法的可靠性。

关键词：头部运动、体态语言、肌电、肌肉、时域分析、神经网络、遗传算法、模式识别

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51305077；中央高校基本科研业务费专项资金资助项目13D110318．

在线出版日期：2014-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：385-391