基于嵌入式動態(tài)手勢跟蹤識別系統(tǒng)研究

丁 闖，徐宏宇

（沈陽航空航天大學 電子信息工程學院，遼寧 沈陽 110136）

0 引 言

伴隨著計算機技術的長足發(fā)展，人工智能人機交互等眾多學科成為研究熱點[1]。人機交互主要是研究人和計算機之間的信息交換。人與計算機之間的信息交換主要依靠交互設備進行，手勢被視作人機交互的一個重要方式。手勢識別指人體做出的手勢動作通過計算機進行分析與識別，起始于20世紀80年代初期。在人們早期的探索和識別方法研究中，研究手段主要是利用手勢特征和機器學習的方法，如支持向量機（SVM）、SCG神經網絡算法和動態(tài)時間規(guī)則算法（DTW）。目前，由于作為智能的輸入設備擁有操作簡單、靈活易懂等優(yōu)點，手勢被大量應用在動作識別領域[2]，如智能機器人、無人駕駛汽車以及智能家居等方面。

1 嵌入式系統(tǒng)與Linux簡介

嵌入式系統(tǒng)一般是指有著計算機功能但又不稱之為計算機的器材。它的主要特性是應用性，可以通過修改其軟硬件達到在成本、功耗、體積以及可靠性等方面的要求。它主要包含嵌入式處理器、操作系統(tǒng)和相關硬件等。相較于通用的計算機系統(tǒng)而言，嵌入式系統(tǒng)具有高可靠性、高性價比、低功耗以及功能強大等優(yōu)點。由于它面向的是特定的應用，因此可以根據(jù)具體需求進行靈活定制。因為嵌入式系統(tǒng)本身并不具有自舉開發(fā)能力[3]，所以需要一套開發(fā)工具和開發(fā)環(huán)境對其進行開發(fā)。

Linux是一個廣泛運用在服務器上的操作系統(tǒng)，天生具有開放性。用戶可以根據(jù)自己的特定要求修改功能[4-5]。

2 手勢處理基礎

2.1 顏色空間概念

對人體膚色所采集的圖像處理是最常用的顏色空間RGB模型[6-8]，且在RGB空間里人體膚色對亮度非常敏感。訓練時的圖像亮度與測試時存在較大差距時，將很難從圖像分割出比較完整的手勢圖像，得到的膚色點可能會是離散的。不同人之間的膚色會存在很大差異，主要體現(xiàn)在亮度與飽和度方面，其中黑人的飽和度最大，白人的飽和度最小，黃種人的飽和度居中，而色度的差+異并不明顯。因此，可以將亮度與色度分離，然后只使用色度信息，以降低光照所產生的影響。通常是將RGB空間轉換成某個亮度與色度分離的空間[9]，再通過比較不同物體與手勢之間存在的色度上的差異分割手勢主體。

對于HSI灰度化，H、S、I分別表示色調、飽和度、明度。色調指日常所說的顏色（紅、白、黑等）；飽和度代表顏色的不同鮮艷度，值越大，代表越鮮艷；明度則是顏色的明亮。計算得到的H范圍為[0，1)，S范圍為[0，1)，I范圍[0，255]。膚色在HSI中的分布如圖1所示。

圖1 膚色在HSI中的分布

RGB顏色空間中，物體的色度和感知存在差距。HSV顏色空間比較均勻，體現(xiàn)的亮度分量和色差信息之間沒有很強的關聯(lián)性，所以分割效果比前者的顏色空間好[10]，因此被廣泛應用于彩色圖像處理。

2.2 基于YCbCr顏色空間的膚色檢測

YCbCr顏色空間也屬于非常常見的關于亮度分離的一種顏色空間[11]，通過YUV顏色空間轉換所得，能夠便利地分離出其中的亮度信息，還可以較好地對膚色分布進行一定的聚類。所以，在YCbCr顏色空間對膚色進行分割的時候，能夠實現(xiàn)良好的分割效果，并且能使計算更簡單。對于YCbCr顏色空間而言，在將膚色的信息映射到YCbCr顏色空間時，會使得在CrCb二維空間里關于膚色的像素點近似于呈現(xiàn)橢圓分布，然后依據(jù)YCbCr模型計算得到的幀間差分的值，直接完成對前景物體的提取。

2.3 背景建模算法

本文主要通過背景建模算法實現(xiàn)對運動目標的檢測，通過計算每個像素的平均值來作為它的背景建模。在檢測當前幀時，只需將當前幀的像素值R(x,y)減去背景模型中相同位置的像素的平均值T(x,y)，從而得到差值D(x,y)。將D(x,y)與其中的一個閾值TH進行對比，大于閾值認為是前景，小于閾值認為是背景。輸出圖像為二值圖像，二值化的閾值設置為20，學習率設置為0.01。

改進算法通過新增一個輔助背景SBG（Secondary Background），同時將SBG的初始值設置成BG，即使SBG(x,y)=BG(x,y)得到的新的輸出圖像的output_g的值為：在本文的動態(tài)手勢識別系統(tǒng)內，通過系統(tǒng)的手勢檢測模塊，獲取手勢所感興趣的區(qū)域1D色調直方圖，再使用該直方圖得到每一幀圖像的色調通道的反投影。

2.4 計算重心

首先獲取在空間點周圍密度分布的重心，然后依據(jù)得到的不同密度的傾斜，制定不同的更改方案對空間點進行聚類。

定義1 鄰近重心點，即在以核心點為圓心、以Eps為半徑的圓域內的所有鄰近點的重心點。鄰近重心點Q(m,n)的坐標與所有鄰近點的分布有關，坐標計算公式為：

其中，k代表鄰近點數(shù)量；Qim代表任意一個鄰近點的x軸的坐標；Qin代表任意一個鄰近點的y軸的坐標。

其中，Px表示鄰近點的x軸坐標；Py表示鄰近點的y軸坐標。

然后，計算重心點偏離SP：

圖3 重心點偏離

3 手勢識別系統(tǒng)應用

手勢通過人的意識操控肌肉的活動產生變化，是一種較為高級的行為活動方式。而通過手部的變化所產生的信息就是手勢，是一種體現(xiàn)人的思考和思維轉變的表達形式。用戶主要的任務內容是展示自己的操作用意，也就是用戶的心理想法（概念手勢），經過自己的動作操控以手勢的變化表現(xiàn)出來。

手勢的模型建立是通過手的形狀構造和手部的運動軌跡來傳遞輸入的手勢語音信息的內容。人的手可以通過關節(jié)的運動來不斷改變手的形狀，這種變化可以通過手指的位置和狀態(tài)空間的轉變來描繪手部運動的特征。

手勢跟蹤應用程序根據(jù)系統(tǒng)信號量執(zhí)行軟件編程。為了提高程序的可移植性，為將來的系統(tǒng)功能擴展預留空間，整個軟件系統(tǒng)均采用模塊化和分層方法進行設計，并使用匯編語言讀取、寫入和中斷寄存器，同時為上層的開發(fā)提供靈活的接口。上層用C語言編寫，通過調用下層函數(shù)間接控制硬件資源。以這種方式創(chuàng)建程序可以為整個系統(tǒng)提供清晰的結構，提高程序的可移植性和可伸縮性，減少對硬件資源的消耗，并為擴展系統(tǒng)功能和進一步開發(fā)提供充足的空間。

4 檢測與驗證

系統(tǒng)通過判斷手勢的運動方向，操作顯示屏上的圖片。為了方便處理，系統(tǒng)中規(guī)定運動方向為水平，圖像的每一個像素點和目標顏色對比并計算重心，再算出偏移的重心的偏移量，對比x軸和y軸的偏移量，通過記錄兩幀之間人手的面積信息或坐標信息[12]，運算和處理此時刻的數(shù)據(jù)與前一時刻的數(shù)據(jù)來判定人手的運動方向[13]，進而實現(xiàn)操縱顯示屏上的圖片。

主程序中調用的手勢識別子例程采用動態(tài)手勢識別算法，動態(tài)手勢會在一段時間內測量手勢的空間特征的序列值并通過該值進行表示。如圖4所示，通過USB攝像頭采集手勢的相關特征數(shù)據(jù)信息采集手勢信息，然后將收集的數(shù)據(jù)發(fā)送到A/D模塊，并通過串行端口模塊發(fā)送到控制單元。在該模塊中，控制單元接收實時數(shù)據(jù)，并由ARM嵌入式操作系統(tǒng)控制程序進行處理。在PC端完成手勢信息的采集與獲取來檢測手勢的前后左右運動方向，最后實現(xiàn)上位機的手勢運行方向的跟蹤與顯示。

圖4 控制系統(tǒng)模型

5 結 論

在當前的人機交互領域中，本文將手勢用作主體，將動態(tài)手勢功能和嵌入式系統(tǒng)用作載體，設計了一種可以根據(jù)手勢變化來完成相應指令的一套系統(tǒng)。文中簡單介紹了ARM芯片以及Linux操作系統(tǒng)，并根據(jù)系統(tǒng)的總體框架和設計理念，不斷依據(jù)具體情況調整設計流程，調試優(yōu)化算法，完成了系統(tǒng)的硬件設計和軟件實現(xiàn)，基本實現(xiàn)預定目標。