基于嵌入式的智能手势识别器的设计

宋耀华++王梅霞

DOI：10.16661/j.cnki.1672-3791.2017.30.002

摘 要：在存在听力障碍以及健康的听力人之间如果想要进行无障碍的沟通，那么就需要通过手势识别的方式来进行，文中通过嵌入式系统对肢体部位所反映出来的各种信息和数据进行展示，对生活中患有听力障碍的人员生活质量进行最大限度的改善。手势识别内容是当前相关研究领域作为热点的话题，通过人际交互中的手势识别凸显出了该技术的重要地位。

关键词：嵌入式 手势识别 智能化

中图分类号：TH771.6 文献标识码：A 文章编号：1672-3791（2017）10（c）-0002-02

1 手势识别

手势手语顾名思义就是通过非语言的方式来实现相互之间信息的传递和沟通，主要是通过手臂的挥动来进行，手势可以通过自身意义的表达完成一个系统，也可以是通过相互之间的沟通和交流来实现，非自主性手势是特性意义的，一般在聋哑人中较为常用，但是舞蹈和乐器等并不在其中，而非自主性手势则是为了能够实现沟通而进行的，例如在演讲的过程中受所发出来的手势就是非自主性使用的。

手势运用的过程中主要是通过手势所表示出来的模型和其参数来进行代表，在进行手势识别的过程中，需要首先对于手势建立模型，而后期進行识别中主要是通过对于手势所表示出来的内容进行选择，查看其与模型中的手势所表现出来的特点相符合的环节进行相互匹配，在日常的生活中因为环境以及文化的不同在手势的识别会存在非常大的不同，手势不同的表达方式不同人的解读不同，概念性并不明确，因为信息传达出来的准确度也会有所降低。

当前人工智能技术获得了非常大的发展空间，更多的学者和工作人员对手势识别领域提出了更大的关注度，在如今的视频图像的识别过程中以及数据手套技术的识别中，都采用了不同的识别方式，从目前对于这种方式的计算过程来看主要是分为3种方法，动态时间规整、人工神经网络和隐马尔可夫模型。

2 识别系统的设计

2.1 总体方案设计

本文采用的设计方案主要以嵌入式技术为基础，将通信技术、图像识别与处理技术以及控制技术等多种技术和专业进行相互的结合，从而为有一些听力障碍的人员提供一种更加高效率的沟通工具，文中所采用的手势识别系统通过左手的运动信息以及右手的信息采集动作实现数据信息的转化，然后通过数据处理将嵌入式系统所要表达出的含义进行输出，通过语音的方式向相关的人员进行传达。

2.2 硬件电路设计

文中采用Samsung公司的S3C2440和STM32F103作为核心部件，主要实现数据处理、运算及通信功能，传感器主要实现外界事物的感知，主要有弯曲传感器和陀螺仪，其中手指弯曲传感器中主要是对模拟量的输出来实现，系统中可以通过对数据的模数转换，让这些信息更加快速的实现识别，然后通过语音芯片将这些信息传递出去。

（1）电源电路设计。

电源在完成系统工作中发挥着重要的关键作用，本文使用德州仪器的LM1117芯片，为外围设备提供3.3V工作电压，该芯片提供电流限制和热保护。设计中增加电源滤波及稳压环节，从而提升系统的稳定性，同时价格低廉，寿命长。

（2）左手主控外围电路设计。

在设备运行设计中主要对左手主控模块作为核心，在工作中通过传感器数据的传达，将右手信息数据的接收来保障完成任务的识别工作，最终得出的结果通过语音的方式输出，因此系统的数据处理能力要非常强大，因此本文用s3c2440芯片为中央主控制器实现左手主控功能，该芯片是三星公司开发的一款基于arm9内核的微处理器。在系统中要具备通信、复位等功能，设计电路中采用外接陀螺 MPU6050传感器和复位电路等共同组成的系统。

（3）右手主控外围电路设计。

右手配置手套在文章中的系统设计中所能够实现的功能受限就是对手势表达出来的信息进行采集，另外一个就是通过蓝牙设备实现对左手的信息同步传递，因此必须要求其具备非常强的运行能力和处理技术，因此可以选择将STM32F103ZET6芯片作为其数据采集和信息处理的主要处理设备。

（4）语音输出电路设计。

在手势和相关动作的表达中，由于地区差异，所以显示不能仅仅局限于中文，还得支持英语表达需求，因此在选择语音芯片的过程中为了能够更好地为用户提供服务，需要将中文以及英文进行同时识别，因此将XFS5152CE芯片作为YS-XDSV2的语音处理其应用到了程序中，作为输出设备，其中芯片能够对数据进行识别以及播放，还能够对语音进行解码，另外通过其内置的TTS语音合成实现了对数据的输出，并且支持UART、I2C、SPI三种方式进行通讯，XFS5152CE芯片是内置的音频处理器，能够同时实现编码和解码功能，同时在编码中能够对延时情况和失真情况进行最大程度的避免，压缩程度高，同时对各种语音识别过程实现了最大的提升速度。这些特点都让其在数字化的语音通信过程中有更好的应用范围和控制，但是在进行信号输出的过程中，这种数字化的处理方式让扬声器的功率无法发挥到最大，因此在输出端口中要另外放置一个较大功率的放大器，文章中选择了TPA2005D1音频放大电路扬声器，能够实现85%以上的高效率工作，同时能够对噪音进行消除，所输出的音质与非常优良，使用时间较长。

（5）弯曲传感器电路设计。

手势信号的识别过程中通过对于手指发生的弯曲程度来进行判断就是所谓的弯曲传感器，通过对其设计能够实现更加准确的表达。文章中所选择的弯曲传感器是FLX03型号，通过对表面所存在的不同电阻变化情况对相关数据进行获取，90°弯曲电阻为0～9000?，180°弯曲电阻为0～22000?，然后通过转换电路将电阻信号转换成电压信号，再通过AD来进行转换，最终输出数字形式的信号。在本系统中通过TI公司A/D模块所使用的TLC2543芯片来进行，通过12位串行A/D转换设备，来实现测量数据以及处理器之间的通信，FLX03弯曲传感器主要将那弯曲程度转换成电阻值，在-100～1100之间变化的电阻将会受到移动或者是抖动的影响，为了能够更加提升识别稳定程度，系统输入端可以加入10k?的电阻值，初始化系统，然后通过A/D转换器将采集到的数据进行传输，然后通过芯片进行模数转化，然后在通过SPI通信完成信号内容识别后的传输，转换器返回准备读取新信息。

2.3 系统数据采集程序设计

在对系统中数据的采集工作是至关重要的一个环节，在系统识别中处于核心位置，如果一旦有干扰或者数据不准确，那后期的数据处理就失去了准确性，数据分析工作将会意义不大。因此在采集程度设计过程中，要与硬件结构进行相互结合，在通过手指弯曲传感器和陀螺仪中通过数据采集工作，进行预先的处理，将数据传送到中央处理器中，然后对各种数据实现统一定义和分析，在数据包中手势识别和保证具备完整性特点，这样更加有利于系统进行正确识别。

综上所述，本文方案利用嵌入式系统将人工智能和计算机视觉等前沿技术进行整合研究，通过对嵌入式的手势识别系统进行了简要的分析和介绍，从总体的架构再到程序的设计上都有所设计，对其中所涉及的数据进行高效的识别完成了对嵌入式系统的相关研究，让各方面工作都能够更加有效的运行，通过系统的测试，让此种系统能够得到更加正确且高效的识别。

参考文献

[1] 皮小平.基于DSP（DM642）的嵌入式人脸识别器的设计[D].上海交通大学，2007.

[2] 罗元，杨杨，张毅，等.智能轮椅嵌入式手势控制系统设计与实现[J].中南大学学报：自然科学版，2013，44（S2）：68-72.

[3] 胡少杰.基于嵌入式的智能电表数据集中器软硬件应用设计[D].湖南大学，2015.endprint