家居系統中手勢識別技術的探討＊

（廣東工業大學華立學院，廣東 廣州 511325）

當今社會計算機信息技術的高速發展使得人們對生活品質的要求越來越高，在家具體驗中智能化的需求也不斷增加，即希望創造出更加舒適、安全和智能的家居環境。近些年來，終端設備快速普及使得移動互聯網技術無時無刻不改變著人們的傳統生活習慣，借此希望一旦有需求，即可憑借自身攜帶的終端設備控制家用設備，例如熱水器的開關、監控煤氣管道的密封性等。而這兩年來，智能家居不斷上升的需求也吸引了大批房地產公司積極尋求解決方案，希望以此開發出大規模的具有示范效應的智能家居群。目前，能夠擁有良好用戶體驗、節能、環保及健康功能的智能家居系統研究迅猛發展。在智能家居系統中手勢作為一個直觀的交互體驗媒介起著至關重要的作用，它不僅能夠和設備交流信息，而且在高質量示范學習中必不可少。本文探討了家居系統中的各種手勢識別技術，分析手勢識別技術的優缺點，通過對比研究發現家居系統中手勢識別能提升用戶體驗效果。

1 智能家居

智能家居的概念最早源于1996 年日本東京大學HASHIMOTO 實驗室提出的“智能空間”一詞，智能空間是融入了信息設備、計算機設備和傳感器的工作空間，其目的是使用者能通過通信信息技術訪問信息獲得計算機的服務，進而高效地實現個人目標和協同工作。而智能空間在家居環境中的實現與運用衍生出了智能家居。

智能家居融合了現代科學技術和居住環境特征，以家用住宅為平臺，規劃安裝具有實時操作性能的家居控制系統，可以根據不同用戶的不同需求提供個性化空間，讓家居生活更加舒適。與普通的家居空間相比既保留了家居原始傳統的居住功能，還能夠通過設計和自身需求增加智能化設備，來提高家居環境的安全度和舒適度，使家居生活不再單一，它將原來靜止的建筑物變為具有生命力的生存環境，讓人們在家里也能夠體會到信息技術帶來的便捷。智能家居系統中擁有強大的人與智能機器的信息交互功能，可以保證內部間、家庭與外部間信息暢通，以最有效、最節能的方式改善用戶的生活，節約各種能源消耗，打造節能環保的家居空間。

2 手勢識別

智能家居的商業化發展程度依賴于智能家居設備的人機交互程度。手勢識別技術在家居系統中是增強人與機器相互溝通的有效途徑，手勢識別主要包括手勢設計、手勢分析和手勢匹配三個過程。手勢設計的過程是建立模型的過程，在這個過程中選取什么樣的模型來描述手勢尤其重要，這個數學模型可能只是一個基于表象的平面圖，也可能同時包含手勢的空間屬性和時間特征。目前用于實現手勢識別的有效方法主要有基于二維圖像的手勢識別技術和基于三維加速度的手勢識別技術。

2.1 二維手勢識別

早期手勢識別技術多數指二維靜態圖像識別技術，一般分為兩種方式，即二維的手型識別和二維的手勢識別。這種識別是采集圖像后通過計算機對圖像信息進行加工，一般采集圖像信息的方法通過攝像機來完成，得到的圖像輸入計算機進行預處理再加入各種圖形算法，最終達到識別的目的。家居系統初建時，多數采用的就是這種識別方法，效率較高，效果明顯。

2.1.1 二維手型識別

二維手型識別技術能夠識別計算機提前預設好的靜態動作，主要完成手勢在某一時刻靜態表現的識別，不能完成連續變化手勢的識別，本質來講這種技術就是一種圖像匹配技術，是手勢識別技術中最基礎也最簡單的方法。

2.1.2 二維手勢識別

二維手勢識別是在識別靜態手型圖像的基礎上加入簡單手勢動作的一種識別方法。它使圖像識別技術擁有了動態的特性，捕捉追蹤運動的手勢經過計算機算法處理，把手勢識別的范圍真正拓展到了二維平面。這種技術能夠快速發展得益于計算機視覺算法，它通過優化算法整合靜態動作，形成較為復雜的連續動態手勢，從而獲得更加豐富的人機交互內容。

總的來說，目前基于圖像的手勢識別技術起步比較早而且研究比較成熟，多種多樣計算機算法研究很大程度上為這種識別技術的廣泛應用產生了影響，但是這種手勢識別技術有一個明顯的缺陷是在圖像獲取過程中數據采集要求信息完整且無失真。目前而言，多數采用攝像機采集數據信息，由于硬件設備的影響使采樣結果不可能無失真，而且重要的是外部環境的變化也會帶來信息的失真，從而導致原始的信息采集結果出現缺陷，所以在采集信息過程中盡量避免環境失真帶來的影響，比如圖像獲取時要有充足的光線和環境條件等支持。而三維加速度的識別技術就解決了這個問題，它在獲取信息的過程中不容易受到外部條件的限制。因此在變換交互模型下，加入傳感器技術的識別方法能有效地避免這種缺陷，能夠較好完成信息采集，然后通過采集的信息建立手勢識別模型，加入計算機算法研究手勢動作，最終完成人與機器之間的交流。

2.2 三維手勢識別

三維的手勢識別從表面來看，是把坐標從XY二維坐標變成了XYZ三維坐標，但實際上是通過加入Z軸信息使這種技術能夠識別各種各樣的連續手勢動作。它不僅僅包含手型狀態的識別，而且對復雜手勢動作的研究更有深度意義。三維手勢識別成為現在手勢識別發展的主流方向，目前多數家居系統的識別技術，增加的那部分信息量主要依靠特殊的硬件來完成，三維手勢識別中最關鍵的是連續手勢動作捕捉跟蹤的同時加入動作的持續性深入研究，因此計算機處理過程不再是單一的圖像識別，是有深度的可持續的連續性研究，通過建立手勢模型為后續手勢識別做準備。

2.2.1 手勢建模

手勢建模是根據手勢的動作建立模型。根據有無運動可將手勢分為靜態和動態兩種，這種方法將人的手部形態和運動時的狀態分別建立一個有效集合，采集相同狀態下大量樣本供識別應用；根據動作連貫與否將手勢分為離散和連續兩種，以手勢軌跡建立動態運動原語系統（DMP），對連續的手勢在時間上進行分割然后分別進行識別。該模型計算量較大，應用過程中允許使用樣本對分類器進行訓練，并且提供反饋結構來提高交互的性能；根據動作的復雜程度將手勢分為單元原子手勢和復合手勢兩種，這種方法考慮到了手勢和應用程序相互獨立性，通過建立手勢庫Glib 形成規則，由子手勢復合形成復合手勢，應用這種方法最大的特點是復雜的計算機算法能完整地建立手勢模型，準確地完成識別匹配。

2.2.2 三維加速度傳感器的手勢識別

手勢識別已經廣泛應用到手機、Pad 等各種手持移動設備中，尤其是現在智能家居系統中注重交互方式的自然性和靈活性，在終端上的操作工具不應局限于一種設備，而是需要再此基礎上為系統體驗提供新的方式。手勢識別的本質是根據手勢模型將手勢動作分類，基于三維加速度傳感器的手勢識別方法提高捕獲手勢動作的加速度來識別手勢，由于其不斷變化，必須采用專門的設備——加速度傳感器來完成。手勢在執行過程中XYZ三個方向軸都會產生不同加速度信息，且會隨著頻率不同和幅度不同而產生變化，因此需要研究手勢的每一個動作特點，將動作分成若干單元，每個單元對應加速度中的一段曲線，整合這些手勢單元即可得到不同的手勢動作，經過預處理記錄下來，然后根據這些量為每個單元手勢建立模型，利用模型識別手勢，被識別的手勢又可組合成連續且復雜的手勢動作。

結果證明，基于三維加速度的識別方法，能夠借助硬件的條件采集動作信息。相對于圖像識別技術，雖然增加了建立模型的難度，但是信息采集更加接近原始數據，再加之計算機算法整合動作信息對比識別，能夠很好完成人與機器之間的信息交流。

3 總結

在家居系統設計中，識別是家居系統能否廣泛應用的關鍵，好的系統識別方法能給用戶帶來更加便利的體驗。本文通過對常用識別方法的探討，得出現在家居系統的識別方法基本上分為基于二維圖像的手勢識別方法和基于三維加速度的識別方法，目前前者技術相對比較成熟，識別成功率也比較高，同時算法的復雜度也比較理想，應用較為廣泛，主要原理是對采集圖像進行計算機視覺處理，但是此方法的缺陷是對外部環境的依賴性比較大；后一種方法不受外部條件的限制，并且這種方法在應用中可以用已有的原子單元手勢建立較為復雜的手勢模型，拓展了手勢動作的可持續性，總體研究更有普遍意義，具有廣泛的應用前景。