基于嵌入式系统的视觉手势识别方法研究
2020-08-14刘金魁
刘金魁
(河南工业和信息化职业学院,河南 焦作 454003)
手势识别作为新一代高科技人机交互的输入方式,在相关适用领域得到了广泛的研究与应用。手势识别通过自然直观的视角输入手势,在人机意图相互作用下进行信息交流、互动娱乐和学习指导等。这种识别技术的原理是通过摄像头视频图像获取人的手势图像,经过对手势特征的处理,设计识别模式,实现对手势的理解,达到人机交互的目的。由于人的手势存在不同的特征、差异多样性以及皮肤和弹性等因素,造成软件系统在实现手势计算识别时存在一定的难度。同时,在识别过程中,受周围环境、温度变化的干扰,降低了手势识别的有效性和准确性[1]。因此,为了完善视觉手势识别技术,在计算机技术的基础上,运用单摄像头捕获手势图像的方式,创新设计系统软硬件构件,开展基于嵌入式系统的视觉手势识别方法。
1. 嵌入式系统
嵌入式系统是一个功能完备、可独立运行的软硬件集成的系统,在现代计算机技术支持下,通过运算器和控制器进行传感与检测、实施操作系统等一系列操作,完成系统应用功能。嵌入式系统是一种完全嵌入受控器件内部,为特定应用而设计的专用计算机系统[2]。嵌入式系统的应用非常广泛,在工业生产、交通管理、家庭智能管理和电子商务等各种控制、监视的设备中被应用[3]。嵌入式系统与其他普通计算机系统不同,在应用开发上需要特殊的环境和开发工具,可以根据要求,实施合理的优化,并能进行多任务文件管理。嵌入式系统良好的应用性能,满足了用户的需求,得到了广泛的应用和快速发展[4]。
嵌入式系统为各种移动计算设备预留统一的访问层接口,提供强大的网络功能,支持TCP/IP协议及其他协议。嵌入式系统稳定性较强,系统在运行过程中不需要用户任何操作命令,只是通过管理系统发出的调用命令直接为用户提供指定的服务。嵌入式操作系统和应用软件质量高、可靠性强,代码固化嵌入计算机的ROM中[5]。嵌入式操作系统可以进行多任务运行模式,用户通过运行平台,实时开展各种任务的应用和管理,而且任务文件内存系统能够随时拆卸,方便用户的应用与管理。
2. 基于嵌入式系统的视觉手势识别
随着嵌入式技术的不断发展,一种基于嵌入式系统的视觉手势识别技术被创新开发出来。该识别系统通过ARM嵌入式平台,利用摄像视频进行采集和显示,运用计算机系统分割得到二值化图像并进行滤镜处理,最后完成不同手势轮廓匹配,实现手势识别。
2.1 静态视觉手势识别
嵌入式识别系统通过对手势的静态和动态分析,分别进行识别与提取,以利于系统能够准确掌握被跟踪对象的不同特征,为实现快速、高效的自动跟踪奠定基础。在进行静态视觉手势识别前,首先对摄取的手部区域与场景进行分割,然后对手的轮廓和区域采用一种基于模糊集和模糊运算的方法进行运算提取,并对视频空域实时的背景、肤色等信息进行模糊运算,最后计算分割,得出精确的人手图像。
在对手势进行初始识别提取时,由于摄像头采集到的图像原始形态比较模糊,如果直接采用原始图像进行手势识别,就会影响识别的准确性和可靠性。因此,需要对采集的原始图像进行预处理,通过摄像区域色彩空间转换、平滑处理和精准的阈值分割等一系列处理,确保图像采集的精准性。图像在采集、传输过程中,由于外界环境的影响会对摄取的图像产生变化,因此,需要进行预处理。在对肤色的检测与分割过程中,需要采取HSV颜色空间和 YCrCb 颜色空间这两种颜色空间进行处理。图像拍摄完成后,图像信号在产生、传输过程中,会受到外界环境各种噪声的干扰,使图像带有不同性质噪声的现象,严重影响图像提取的准确性。因此,图像在进行特征提取、分割之前都会进行平滑处理。噪声对图像造成的失真和变形有些是不易被发现的,只有在图像处理时才被发现。
图像噪声的消除大都采用低通滤波的方法进行处理,以保证图像提取的精准性和可靠性。静态手势的识别主要是以手部静止形态作为手势特征,通过采集、提取的手部轮廓特征进行检测与模糊运算,运用灰度值计算图像,分割得出图像二值图,完成手势信息识别。
2.2 动态视觉手势识别
在动态视觉手势识别过程中,通过嵌入式系统进行手势的图像信息以及相应的视频信息的输入,利用摄像机拍摄,获取手势的姿势、形状、手指指尖的特征,再把捕获的信息特征用平面图的形式表现出来,并对图像进行平滑处理,把一些杂质噪声和无关信息预处理,以数字化的形式进行传递,完成动态视觉识别过程。
3. 试验
选用6台主机, 共计30个节点, 以此为试验环境, 验证基于嵌入式系统的视觉手势识别方法的有效性。
3.1 试验参数设置
试验参数设置如表1所示。
表1 试验参数设置
3.2 试验结果与分析
分别使用基于网络安全梯度视觉手势识别方法、基于分布并行处理视觉手势识别方法、基于嵌入式系统的视觉手势识别方法对手势信息进行识别,对比三种不同方法识别精准度。
3.2.1 静态视觉手势
静态视觉手势下,三种方法识别精准度对比情况如图1所示。
图1 静态视觉手势下三种方法识别精准度
由图1可知,在5次试验下,网络安全梯度方法的识别精准度为75%,分布并行处理方法的识别精准度为70%,而嵌入式系统识别精准度为93%。在20次实验下,网络安全梯度方法的识别精准度为62%, 分布并行处理方法的识别精准度为70%, 而嵌入式系统识别精准度为95%。由此可知,基于嵌入式系统的视觉手势识别方法对静态视觉手势信息识别精准度较高。
3.2.2 动态视觉手势
动态视觉手势下,三种方法识别精准度对比情况如图2所示。
图2 动态视觉手势下三种方法识别精准度
由图2可知,网络安全梯度方法的识别精准度在试验次数为10次时, 识别精准度达到最低, 为52%;分布并行处理方法的识别精准度在试验次数为20次时,识别精准度达到最低, 为33%; 嵌入式系统的识别精准度在试验次数为15次时, 识别精准度达到最低, 为89%。由此可知,基于嵌入式系统的视觉手势识别方法对动态视觉手势信息识别精准度较高。
4. 结束语
人机交互、操作自由的智能嵌入式系统视觉手势识别方法以其良好的专用性、实时性和可靠性满足了用户的需求。在现代计算机技术支持下,通过对手势图像静态特征和动态特征的分别跟踪、获取和预处理,运用计算分割,得出手势图像的识别方法,保证了手势识别的精准性和可靠性。现代嵌入式手势识别系统改变了传统嵌入式手势识别系统存在的识别技术不精准、可靠性差的问题,运用先进的计算分割方法,通过采集与提取手势轮廓、形态等特征,对手势整体结构进行分析检测,提高了手势识别的正确性和实时性。
基于嵌入式系统视觉手势识别方法,发挥了手势识别的精准性和高效性,为专用特定需求的用户提供了有利保障。但是,在目前手势识别中,由于人手的肤色、弹性和自由性及拍摄背景存在较大差异,容易给手势识别带来困难。动态手势指令较少,而且只能进行单手指令,针对存在的手势识别问题,仍需要进行研究和创新,以促进未来视觉手势识别技术的不断完善和良好发展。