基于FPGA的手勢識別系統(tǒng)研究

*基金項目：江蘇省高等學(xué)校大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目，項目編號：202110900004Y；

江蘇省高校自然科學(xué)研究面上項目，項目編號：16KJB510007；

教育部產(chǎn)學(xué)合作協(xié)同育人項目，項目編號：201901163002、202002094006

作者簡介：陳虹玉（2001—），女，2019級電子信息工程專業(yè)本科生

通信作者：張福鼎（1982—），男，講師(Email:zfdc@qq.com)

0 引言

FPGA 在當(dāng)今社會很多地方都要用到，具有非常廣闊的市場前景，通過不斷研發(fā)已經(jīng)成為一個成熟器件^[1]，作為一種可編程邏輯器件，具有半定制、電路靈活，門電路數(shù)多、實時性強、低成本等優(yōu)點^[2]，在市場上有了立足之地，取得優(yōu)異成績，并朝著多元化發(fā)展方向發(fā)展^[3]。FPGA 最大特點是靈活可實現(xiàn)各種電路設(shè)計，因此漸漸取代其他電子設(shè)計，成為了眾多廠商及個人的首選^[4]。

先前的人機交互是傳統(tǒng)的鍵盤及鼠標模式，而現(xiàn)在的交互模式更加寬泛^[5]。手勢是最能表達人類動作的一種形式，反映出來的是最直觀的感受，在這計算機流行的時代，能否將手勢和機器語言聯(lián)系在一起，呈現(xiàn)出人機互動的形式，特別是當(dāng)今游戲盛行的時代，手語識別系統(tǒng)也可以應(yīng)用到游戲中^[6]。最常見的體感游戲便是最好的證明，人類通過穿戴體感設(shè)備，從而將人體運動傳輸?shù)诫娔X中，經(jīng)過處理并及時顯現(xiàn)出來^[7]。

因此手勢識別在生活中的運用十分廣泛，所以越來越多的人致力于此項研究，類如數(shù)據(jù)手套的常見識別系統(tǒng)也是層出不窮，而手勢系統(tǒng)這一新生事物還處于研發(fā)階段，所以價格還很高，不適用于普及當(dāng)今社會，人們著力于研究手勢識別的發(fā)展技術(shù)，力圖在手勢識別方面獲得更多的成功。手勢識別系統(tǒng)的研究的重要性已經(jīng)不言而喻，在未來的生活中，手勢識別將會迅速發(fā)展^[8]。

手勢識別是人類和儀器溝通的橋梁，能否完成手勢識別這一任務(wù)，也關(guān)系到和電腦等機器的互動和溝通^[9]。然而，現(xiàn)在手勢識別技術(shù)還不成熟，基于計算機視覺的交互系統(tǒng)容易收到外界干擾，不能識別大量手勢^[10]。手勢跟蹤等^[11]穩(wěn)定性差，使得手勢成為一種復(fù)雜可變形體，有時甚至不能準確識別出來^[12]。

本論文的主要內(nèi)容是基于FPGA 的手勢識別系統(tǒng)研究，先搭建了手勢識別框架，并設(shè)計手勢識別算法，外部硬件由數(shù)據(jù)收集模塊、信號處理模塊、結(jié)果顯示模塊和外部觸摸板模塊組成，再根據(jù)對應(yīng)的算法來實現(xiàn)他們的功能。

1 基于FPGA的手勢識別系統(tǒng)

1.1 硬件框架

基于FPGA 的硬件框架如圖1 所示，分為數(shù)據(jù)采集模塊，信號處理模塊，結(jié)果顯示模塊，外部觸摸板模塊和攝像頭模塊。

為了日?？梢噪S身攜帶，也為了方便我們的穿戴，所以安裝在人體身上的模塊必須要小巧簡單，因此選擇了尺寸較小的采集模塊，具體的數(shù)據(jù)為長30 mm，寬15mm，厚2mm。具體的由控制器和傳感器組合而成，通過捕捉人體移動信號，將信號從控制器發(fā)向傳感器，由傳感器進行數(shù)據(jù)采樣，最后再通過控制芯片傳遞給其他設(shè)備。經(jīng)測定，sEMG 傳感器工作時的信噪比保持在20dB 以上，ACC 芯片在運轉(zhuǎn)之時有很多狀態(tài)，尤其是在1.5 gn 時，會形成一個驚人的信號，分辨率超出很多科學(xué)家的想象。此時對信號傳輸?shù)囊髸浅８撸枰蝗菀桩a(chǎn)生波動、大小合適，所以在此推薦CC2500 這個芯片。CC2500 之所以獲得眾多公司的青睞，除了以上的特長，還能夠幫助公司節(jié)約能源損耗，為公司的利益也是謀取了福利。在數(shù)據(jù)采集模塊中，這兩個芯片不可或缺，起到了至關(guān)重要的作用，更加有利于對實時數(shù)據(jù)的采集。

信號處理模塊首先配備了獲得信號的設(shè)備，為了得到精準的信號，我們這里采用CC2500，可以連接在FPGA 上，但是他們兩個卻絲毫沒有關(guān)系，分別處于不同的頻道，不影響各自的工作。信號處理模塊包含了多個硬件，而其中最關(guān)鍵的、最為核心的，便是FPGA 了。

FPGA 的硬件構(gòu)成較為復(fù)雜，其中有上萬邏輯單元等。收集模塊已經(jīng)收集到了sEMG 和ACC 信號，那么在處理模塊中的主要目的就是識別這兩個信號，在接下來的軟件設(shè)計中，將會詳細說明算法。FPGA 所對應(yīng)的功能已經(jīng)在上述中所詳細介紹，對應(yīng)的如圖2 所示。

結(jié)果顯示模塊的功能是顯示識別的結(jié)果，要求在LCD屏上快速顯現(xiàn)出來，對其處理速度有一定要求，所以我們在此模塊配備了LCD屏及單片機，采用的單片機也具有超高的配置，和如今的USB 接口一樣，傳輸速度使得我們立馬就能在LCD 屏上看見結(jié)果。

觸摸板結(jié)構(gòu)圖如圖3 所示，核心處理器是STM32微處理器，為了方便具體使用，在處理器上外接一塊控制板，觸摸屏控制板的型號是TSC2046，觸摸板在模塊中的作用就是選擇手勢識別出來的結(jié)果，如果沒有與之相匹配的，就通過觸摸板，輸入自己想表達的手勢，另外，觸摸板上還能顯示其他信息，如顯示電池容量，顯示實時溫度等。

攝像頭模塊是作為整個系統(tǒng)的一個關(guān)鍵，如果不能實現(xiàn)這一模塊，將會無法進行準確的識別，影響手勢識別結(jié)果的處理。此模塊的工作原理相當(dāng)簡單，首先攝像頭鎖定人手的具體方位，向處理模塊實時運達手勢的變化，同時，鎖定了方位后，聯(lián)合傳感器，確定其他移動設(shè)備，具體應(yīng)用見如圖4 所示。

1.2 軟件框架

當(dāng)信號發(fā)生在活動段的時候，屏幕上就會出現(xiàn)sEMG信號，此時意味著活動段算法開始執(zhí)行。因為信號的差異性，所以要對收集到的數(shù)據(jù)進行整理，然后傳遞給下一模塊，在下一模塊中檢測接收數(shù)據(jù)，根據(jù)傳遞的順序，依次接收信號。在活動段中，傳送的單位是幀，也就是說完成傳遞個1 信號，就意味著1 幀的結(jié)束。

活動段獲取算法是數(shù)據(jù)采集模塊所對應(yīng)的軟件算法，通過計算平均絕對值，再用它來設(shè)計算法，具體完成操作如圖5 所示。由于不同的通道信號的數(shù)值是各不相同的，所以要計算出其總和，那么就需要采用以下方法，設(shè)置1個累加器1，用幀同步信號作為累加器1 的清零端，用位同步信號作為累加器1 時鐘，數(shù)據(jù)取絕對值后流入累加器1，每個幀同步來到時累加器1 輸出1次結(jié)果。32 點移動平均用移位寄存器的結(jié)構(gòu)實現(xiàn)，幀同步信號為移位寄存器提供時鐘，在每個時鐘周期進行1次移位，累加器2 加入新進寄存器的值，減去移出寄存器的值，累加的結(jié)果與閾值比較。采用了這種簡便的算法后，給活動段的檢測帶來了不少好處，既提升了檢測效率，又沒有過多的浪費資源。為了更好的檢測兩只手同時做出的手勢，我們在此放置了兩個檢驗?zāi)K。

在這特征算法這一階段，首要目標就是找到特征值，就是對收集到的信號，計算出它的絕對平均值。在外面的SRAM 充當(dāng)了數(shù)據(jù)收集的作用，里面集合了完整的數(shù)據(jù)，此時的信號被傳送到下一階段之時，它所對應(yīng)的在SRAM 中就有唯一的地址，然后對其做好記號，傳送結(jié)束后，此時又有新的對應(yīng)的地址，并做好新的標記。接下來，就可以通過整理出來的地址數(shù)據(jù)，先分別提取出來，再完成運算。

ACC 信號是本次實驗中一個不可或缺的信號，其主要目的在于確定手勢的具體地址，為了更好的確定其坐標，可以用公式A=ΣX i/N 和u=Σ|X i-A|/N，后者是為了了解手勢的擺動幅度。經(jīng)過嚴格的推理和證明，發(fā)現(xiàn)這兩個公式可以簡化，并合成為1 個新的公式，即F=Σ|X i-C|/N，這個公式可以同時計算出平均值和一階矩，可以說是十分便利，只需滿足條件C =0 和C =A，毫無疑問，這種計算方法有利的提高了計算的效率，也有效的解決了過多的占用FPGA 資源的問題，達到了省時省力的效果。

因為采用的是除法算法，所以內(nèi)部占據(jù)了數(shù)量龐大的邏輯單元，從多次運算的實踐中可以看到，通過反復(fù)的算法實現(xiàn)，ACC 的出現(xiàn)是固定的，局限在固定數(shù)值之內(nèi)，一般認為這個數(shù)值是256，再根據(jù)乘法運算，把所有可能出現(xiàn)的N 的倒數(shù)1/N（0~255）乘以65 536（2的16 次方）得到65 536/N，按照一一對應(yīng)的原則，依次傳遞給RAM，將生成的地址，再傳遞給ROM，最后能夠計算出結(jié)果為65 536/N。接下來的步驟就是借助乘法器，在位數(shù)移動16 位的基礎(chǔ)之上進行乘法運算，最終獲取結(jié)果，最準確的數(shù)值可以達到萬分之一，采用這種方法，既節(jié)約了計算的時間，又達到了精度高的要求，對于能夠?qū)崟r的進行大量的特征運算，達到了這一目的。

識別算法分為兩個步驟：首先，為了更好地確定其坐標，根據(jù)之前算法得出的特征進行第1 次分類，然后結(jié)合sEMG 信號，對其第2 次分類。為了確定手勢的具體位置，我們進行以下步驟：先完成特征算法，計算出對應(yīng)的平均值，最后對均值進行分析判斷得出。要實現(xiàn)對靜態(tài)和動態(tài)的區(qū)分，用兩者的一階矩作為判定的依據(jù)，當(dāng)大于其對應(yīng)的閾值時是動態(tài)手勢，與之相反，就是靜態(tài)手勢。在識別算法中的分類不是沒有好處的，如果沒有進行分類識別，會給這一算法帶來巨大的計算量，影響識別效率。

完成分類后，把5 通道sEMG 的絕對均值組成特征向量，設(shè)計正態(tài)分布下的貝葉斯分類器對手勢動作進行精確的分類識別。分類器的結(jié)構(gòu)如圖6 所示。

圖6 分類器結(jié)構(gòu)

其中，X=(x₁，x₂， …，x_d-1，x_d)，gi(X) 為類別wi的判別函數(shù)，N 為類別數(shù)。在這個手勢識別算法中，分類器采用了對應(yīng)的算法，對這個規(guī)則我們給予詳細的介紹，存在一個密度函數(shù)P(X|wi) 符合給定條件，呈正態(tài)分布的形式，μi 和Σi 分別表示X 在類別wi 下的均值向量和協(xié)方差陣。經(jīng)過化簡，我們可以得到如下公式gi(X)=-ln|Σi |-(X-μi )T Σ-1i(X-μi )，i=1，2，3，…，N。

為了增加函數(shù)的準確性，采用不同的數(shù)據(jù)，代入分類器實踐操作，這樣就能夠了解函數(shù)的組成部分。此時的算法還不能準確的對手勢進行識別，仍需要借助在電腦上模擬完成。經(jīng)過反復(fù)的訓(xùn)練，將生成的數(shù)據(jù)同函數(shù)融合在一起，便可以載入FPGA 的自生成ROM 中。最后對特征向量不斷的運算，在電腦上就可以呈現(xiàn)結(jié)果。

在本文的手勢系統(tǒng)中，對單手和雙手的識別是兼容的，對其數(shù)據(jù)采集后，都可以運行特征算法，并實現(xiàn)分類，最后在屏幕上呈現(xiàn)出手勢。識別結(jié)果用1 個字節(jié)表示，用bit 來顯示所代表的含義。單片機通過解析這個字節(jié)便可得知所需信息，進一步做出反應(yīng)。不論是單手手勢的識別，還是雙手手勢的識別，都確保了時效性，立馬就能識別出手勢特征，對手勢識別速度的發(fā)展做出貢獻。觸摸模塊軟件算法實現(xiàn)主要包括：

1）ucos 系統(tǒng)建立任務(wù)，包括主任務(wù)，用戶界面任務(wù)，CAN 報文接收任務(wù)等；

2）ucGUI 圖形用戶界面程序，設(shè)計相關(guān)操作界面；

3）中斷服務(wù)程序，執(zhí)行CAN 總線接收的中斷處理；

4）硬件平臺初始化程序，包括時鐘，CAN 模塊，觸摸屏等等的初始化；

5）LCD 的底層驅(qū)動函數(shù)。

攝像上傳識別算法實現(xiàn)其主要思想是在攝像頭固定的情況下，通過減去背景圖像方法進行運動部分識別。在采集攝像頭數(shù)據(jù)后，首先要對背景進行建模。本系統(tǒng)采用基于統(tǒng)計的背景模型提取方法，以一段時間內(nèi)某像素點所在區(qū)域亮度的平均值作為該像素點的背景值。之后對實時圖像進行高斯平滑，并與背景圖像相減再二值化，將得到的差值圖像通過膨脹、腐蝕等形態(tài)學(xué)濾波后，尋找最大連通區(qū)域，從而確定運動部位坐標。

參考文獻：

[1] 羅娜.基于OpenCV的自然手勢識別與交互系統(tǒng)研究[D]: 廣州:廣東工業(yè)大學(xué), 2012.

[2] GUPTA A, V K SEHRAWAT, M KHOSLA. FPGA based real time human hand gesture recognition System[J]. Procedia Technology, 2012, (6)98-107.

[3] 周天彤等. 基于unity和kinect的交警手勢識別仿真系統(tǒng)的設(shè)計和實現(xiàn)[J].計算機測量與控制, 2016, 24(5): 156-159.

[4] 龔陶波.基于計算機視覺的靜態(tài)手勢識別系統(tǒng)[D].武漢:華中師范大學(xué), 2008.

[5] 譚同德,郭志敏.基于雙目視覺的人手定位與手勢識別系統(tǒng)研究[J].計算機工程與設(shè)計,2012,33(1): 259-264.

[6] 湯志彥,馮哲.適用于機器人視覺的手勢識別系統(tǒng)[J].計算機工程與應(yīng)用, 2005(16): 51-54.

[7] 曾維.手勢識別系統(tǒng)中手指及指尖檢測方法[J].國外電子測量技術(shù), 2013, 32(4): 39-42.

[8] 杜釗君.基于體感傳感器的手勢識別及人機交互系統(tǒng)研究[D].武漢:武漢科技大學(xué), 2013.

[9] 劉江華,陳佳品,程君實.用于人機交互的靜態(tài)手勢識別系統(tǒng)[D].紅外與激光工程, 2002(6): 499-503.

[10] 王茂吉.基于視覺的靜態(tài)手勢識別系統(tǒng)[J].哈爾濱:哈爾濱工業(yè)大學(xué), 2006.

[11] 魯姍丹,周松斌,李昌.基于多光源紅外傳感技術(shù)的手勢識別系統(tǒng)[J].自動化與信息工程, 2015, 36(2): 22-26.

[12] 徐成,馬翌倫,劉彥.一種基于嵌入式系統(tǒng)實時交互的手勢識別方法[J].計算機應(yīng)用研究,2011,28(7): 2782-2785.

（本文來源于《電子產(chǎn)品世界》雜志2023年6月期）