Skip to content

Home

Jump to bottom
王方年 edited this page Jul 23, 2018 · 15 revisions

Kinect应用-结合神经网络的姿势识别

项目背景

  1. 太极姿势识别必然涉及到分类问题，分类方法从简单的（if-if-else-else/也称为动物识别系统）到复杂的svm（support vector machine）再到新兴起的深度学习分类方法。各有优势。
  2. Kinect主要在虚拟键盘映射的应用比较广泛，其次是骨骼信息，通过计算一些骨骼关节点的距离（二范数、曼哈顿距离），来作为高层信息输入到神经网络中去，免去了采集图像等卷积神经网络的复杂步骤。也能到达一个比较理想的结果。
  3. 主要比较创新，利用了Kinect的骨骼信息，再结合现在很流行的神经网络以及Pytorch和TensorFlow等大型深度学习框架。

项目计划进度 Build Status

  • 1.太极姿势集合。 见pic.jpg ,最好会做。Build Status Status node

  • 2.如何分类？ ①.svm支持向量机。 ②.普通分类？可以算两个节点之间的距离（二范数、曼哈顿距离）③.深度学习方法Pytorch node

  • 3.数据库入库。Build Status node finfshed

  • 4.20个点标记。 Build Status node

  • 5.rgbd深度摄像机点集获取。 Build Status node

项目具体设计

1. 骨骼信息的获取。

为了便于神经网络的训练，更为了提取高层信息，我们选取了差别比较明显十四组的两两关节点之间的曼哈顿距离（二范数）： 为了数据更加明显起见，我们为每一个都乘以权重w=1000，因此数据获取代码如下：

hipcenter_handleft = 1000 * Math.Sqrt(
    Math.Pow((skeleton.Joints[JointType.HipCenter].Position.X - skeleton.Joints[JointType.HandLeft].Position.X), 2) +
    Math.Pow((skeleton.Joint[JointType.HipCenter].Position.Y - skeleton.Joints[JointType.HandLeft].Position.Y), 2) +
    Math.Pow((skeleton.Joints[JointType.HipCenter].Position.Z - skeleton.Joints[JointType.HandLeft].Position.Z), 2));

2. 骨骼信息存数据库。

考虑到数据量巨大，要频繁地增删查改，因此引入了数据库操作，因为是C#设计主界面从Kinect SDK获取信息，而SQL server与C#都是微软的产品，他们之间的连接相对比较容易，因此设计数据库的时候选择了SQL server。 C#连接数据库并对获取的数据执行SQL操作的代码核心如下：

private String connsql = "server=.;database=bone_pos;integrated security=SSPI"; 
using (SqlConnection conn = new SqlConnection(connsql)){
            conn.Open();//打开数据库
            SqlCommand cmd = conn.CreateCommand();
            string SQLcmd = "insert into distance3 values(…)";
            cmd.CommandText = SQLcmd;
            cmd.ExecuteNonQuery();
}

3. 神经网络的设计

神经网络是用Pytorch实现的，因为是分类问题，我们受到了手写数字识别的程序的启发，手写数字识别是十分类，而太极姿势有二十四式，其中有两个是相同的姿势和名称，因此二十四分类问题变成了二十三分类。我们使用全连接神经网络，层数在最开始设计的是四层，输入数据是十四维度的，输出则自然是 [0,22] ，神经网络的第一层隐藏层的单元数一共设计了四十个，第二层隐藏层单元数是五十个。 输入数据x的格式是二维数组。x[0] 的维度是 14 维，代表了所采集的 14 个长度。 输出 y(target) 的格式如下：

y = [0,1,2,3,...,22]

这里 y 是一维数组，与 x 的第一维度相对应，对应所属的姿势（分类结果）。 有了输入输出，定义的网络模型如下：

class twentyclassification(nn.Module):
    def __init__(self, in_dim, n_hidden_1, n_hidden_2, out_dim):
        super(twentyclassification, self).__init__()
        self.layer1 = nn.Sequential(
            nn.Linear(in_dim, n_hidden_1), nn.ReLU(True))
        self.layer2 = nn.Sequential(
            nn.Linear(n_hidden_1,n_hidden_2 ), nn.ReLU(True))
        self.layer3 = nn.Sequential(nn.Linear(n_hidden_2, out_dim))

    def forward(self, x):
        x = self.layer1(x)
        x = self.layer2(x)
        x = self.layer3(x)

        return x

损失函数使用的是交叉熵函数 nn.CrossEntropyLoss 采用随机梯度下降进行优化 optim.SGD(model.parameters(), lr=1e-3)， 其中设计的 learning rate = 0.001，即 1e-3. 然后进行 3000 次左右的迭代便是：

for epoch in range(3000):
    x_data = Variable(torch.tensor(x))
    target = Variable(torch.tensor(y))
    #=================forward 正向传播 ==================
    out = model(x_data)
    loss = criterion(out, target)
    #================backward 反向传播 ==================
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    # if epoch %1 ==0:
    plt_loss.append(loss.item())
    #===============accurate 计算准确率 ==================
    vect = out.detach().numpy().tolist()
    acc = 0
    for i in range(len(vect)):
        if y[i] == vect[i].index(max(vect[i])):
            acc = acc+1
    acc = acc/len(vect)
    acc_.append(acc)

最后将模型保存起来便是。torch.save(model,’model.pth’),方便下次进行预测时直接调用模型预测。加载的时候 model = torch.load('model.pth') 就可以直接利用已经训练好的模型，进行正向传播预测结果。 预测结果是和 y同等 shape的数组，其中最大值所在的下表索引便是我们要结果值。 最后训练的网络模型 loss和 acc如下：

loss acc

4. 主程序界面设计

主界面是用C#设计的，其中我们继承了来自CSkin的CCSkinMain这个窗体库，使得窗体不是那么呆板，窗体分为四个基本区域，左上、右上、左下、右下，左上显示的是实时捕获到的骨骼。右上展示的是太极姿势集合图。左下分别有两幅图，是网络的训练loss图与数据正确率acc的图，右下左边的layoutPanel里有12个label用来显示实时距离参数，每隔5秒重新计算一下。右边的训练网络是指加载网络模型，是采用多线程加载的，由于加载比较耗时，若果不采用多线程，则会导致窗体卡顿甚至奔溃，其加载完的loss函数图以及正确率acc的图都在左下显示，同时也有stressProcessBar显示进度状态。点击识别按钮便是核心，连接python与C#，将识别结果显示在下方，当设备未连接时，该按钮不可用。最下方状态栏显示启动时间，Kinect连接信息，processBar显示神经网络训练进度。

5. Python与C#交流数据。

因为姿势预测需要C#获取按钮事件时的实时数据，传递给Python已经训练好的模型中去，而C#又要获得Python 模型进行预测的结果，因此就涉及到了语言间的相互调用的问题。

  • 第一种解决方案是NuGet包管理器的IronPython，但是当我们安装了IronPython后发现环境是和Windows的python环境不同，那么就有torch库的不存在的问题。
  • 第二种解决方案是命令行方式，利用python的sys库的sys.argv获得传入的参数，并将结果print出来，在对应的C#里面也有相应的处理流程.

6. 多线程处理

在执行训练网络的时候，我们采用了多线程若果不采用多线程，会因为网络训练过程较长而导致窗体卡顿甚至黑屏，则必须要采用多线程。 在显示实时数据时候，通过等待异步，我们就不会总是持有主线程的控制，这样就可以在不发生跨线程调用异常的情况下完成多线程对winform多线程控件的控制了。

private delegate void FlushClient();

FlushClient fc = new FlushClient(ShowIn12Label);//多线程 ShowIn12Label 主函数
fc.BeginInvoke(null, null);

这样便开启了等待异步，从而可以不发生跨线程调度异常。

7. 文件读写冲突处理

显示图片的时候，窗体程序是读文件，而训练网络生成要显示图片是文件的写操作，读写冲突，解决方法是交叉执行。起初的时候我们用了一个文件，发现点击训练的时候图片一直不变，后来通过上网查资料，调试执行发现了是文件读写冲突占用的问题，交叉执行通俗来讲就是将训练网络源文件复制一份，分开了执行，在显示的时候交叉调用就可以。

项目展示与截图

项目目录结构

  • Kinect
    • neural_network (神经网络分类)
      • backup
        • 23Classification.py
        • application.py
        • acc.png
        • loss.png
      • train_loss_acc_pic
        • acc.png
        • loss.png
      • 23Classification.py
      • application.py
      • train_data.txt
    • pic
      • pic.png
      • README配图
    • 骨骼坐标点获取入库 (C#获取Kinect SDK骨骼信息并调用Python model进行预测、界面)
      • C#...
    • README.md
    • 任务.txt
    • data.sql (SQL SERVER 数据库)

界面及结果截图

下图所示是正在训练网络的截图，进度条在显示进度。迭代次数为 3000 次，使用的是CPU训练，因此比较耗时。 下图是当测试同学摆出“海底针”姿势的时候点击“点击识别”按钮后识别的结果图，结果与预期结果一致。

应用拓展领域

太极姿势识别已经做到了比较理想的效果，并且太极作为中国民间一项被大众所喜闻乐见的体育运动，我们的项目可以有很大的用途，用来识别姿势属性。此外，我们可以结合 RGBD 深度摄像头与神经网络做许多的事情，例如手势识别，行人检测，人体行为分析，互动教学，目标跟踪，图像语义分割等方面的应用。

参考文献与网址

END:君不见高堂明镜悲白发，朝如青丝暮成雪。为什么？

what?

Clone this wiki locally