基于机器视觉的手势识别系统设计与实现

2015-03-21刘德强

时代农机 2015年11期

刘德强

（吉林铁道职业技术学院，吉林吉林 132001）

1 系统的硬件设计

该系统的硬件由FPGA主控制模块、摄像头采集模块以及FT245RL接口设计模块等构成。FPGA采用Altera公司的CycloneII系列的EP2C70F896C6N，具有4608到68416个逻辑单元（LE），并具有一整套最佳的功能，包括嵌入式18×18乘法器、专用外部存储器接口电路、4kbit嵌入式存储器块、锁相环（PLL）和高速差分I/O能力满足系统开发要求。图像采集模块使用OV7650采集图像数据，它是一款高集成度的高分辨率（640×480）逐行/隔行扫描CMOS数字视频摄像芯片。FT245RL芯片是一款可进行USB和并行I/O协议转换的通信芯片，可实现FPGA与PC机之间的数据高速传输。

2 系统的软件设计

系统的软件设计使用Microsoft Visual Studio2012编程，系统初始化之后调用FT_Open_Device打开所要操作的USB接口，调用FT_Read_Byte_Date可将数据从FT245 RL的缓冲区中读取出。手势图像由FPGA经过FT245RL传输到PC机，上位机读取图像后首先进行图像预处理及高斯滤波，主要使用Open CV库中的cv Smooth函数。然后使用相关函数进行特征提取包括手势分割、二值化求取手势轮廓等，经过基于Hausdorff距离的方法匹配识别手势。

手势进行特征提取时，第一步是手势分割，手势的分割方法一般分为三类：一是基于直方图的分割（阈值法），二是基于边缘和区域的分割，三是基于颜色空间的分割方法。每种方法既有自己的优势，也存在一些劣势。系统采用颜色空间的分割的方法，不仅将手势进行基于颜色空间的分割，还完成了图像二值化处理。模板匹配是最常用的图像识别方法之一，主要将从待识别的图像提取的特征量与模板对应的特征量进行比较，计算图像和模板特征量之间的距离，用最小距离法进行判断。本系统采用基于改进的Hausdorff距离的方法进行图像模板匹配识别。

3 系统的实验与数据分析

（1）手势实验。实验工具为Microsoft Visual Studio2012，函数库为Open CV2.4.8，图片分辨率为640*480。对数据的处理采用高斯滤波进行数字滤波，滤除图像信息中存在的一些不必要的信号。预处理采用的高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。人类的肤色在YCb Cr颜色空间具有聚类特性，所以选择YCrCb颜色空间进行手势检测，需要完成RGB颜色空间到YCbCr颜色空间的转换。将手势彩色图像从RGB色彩空间映射到YCbCr色彩空间，建立模型并计算相似度，再进行归一化处理，在经过手势相似度求取后，在形成的手势相似度图像中，手势区域与背景区域在灰度上有一定的差别，利用这种差别经过二值化求取手势轮廓。其中二值化阈值采用整幅图像的灰度均值。若像素的灰度值大于平均值，则将其灰度值设为0；若少于平均值，则设为255。

表1 手势识别结果

（2）实验结果。在进行识别匹配实验时，通过加载6个手势作为手势库，采用OpenCV库中函数进行手势算法识别。由于左右手的方向不一致，以及为使实验更公平可信，本次实验分为右手和左手进行实验，同时采用手正对摄像头与背对摄像头两种方式，每只手进行48次，每种手势进行16遍，一共进行84次手势识别实验。实验结果如表1所示。从表1可以看出，本系统设计的手势识别对于手势6的识别率最低，原因在于手势语手势4的相似度较高。同时，识别左手时相对右手的识别率较低，原因在于手势库中的手势是以右手为模板。且就手势方向来看，对本次实验手势的识别影响不是很大。从总体上来看，本系统的识别率最高达100%，最低也达到了86%，系统设计简单合理。