劉德強

（吉林鐵道職業(yè)技術(shù)學(xué)院，吉林 吉林 132001）

1 系統(tǒng)的硬件設(shè)計

該系統(tǒng)的硬件由FPGA主控制模塊、攝像頭采集模塊以及FT245RL接口設(shè)計模塊等構(gòu)成。FPGA采用Altera公司的CycloneII系列的EP2C70F896C6N，具有4608到68416個邏輯單元（LE），并具有一整套最佳的功能，包括嵌入式18×18乘法器、專用外部存儲器接口電路、4kbit嵌入式存儲器塊、鎖相環(huán)（PLL）和高速差分I/O能力滿足系統(tǒng)開發(fā)要求。圖像采集模塊使用OV7650采集圖像數(shù)據(jù)，它是一款高集成度的高分辨率（640×480）逐行/隔行掃描CMOS數(shù)字視頻攝像芯片。FT245RL芯片是一款可進(jìn)行USB和并行I/O協(xié)議轉(zhuǎn)換的通信芯片，可實現(xiàn)FPGA與PC機之間的數(shù)據(jù)高速傳輸。

2 系統(tǒng)的軟件設(shè)計

系統(tǒng)的軟件設(shè)計使用Microsoft Visual Studio2012編程，系統(tǒng)初始化之后調(diào)用FT_Open_Device打開所要操作的USB接口，調(diào)用FT_Read_Byte_Date可將數(shù)據(jù)從FT245 RL的緩沖區(qū)中讀取出。手勢圖像由FPGA經(jīng)過FT245RL傳輸?shù)絇C機，上位機讀取圖像后首先進(jìn)行圖像預(yù)處理及高斯濾波，主要使用Open CV庫中的cv Smooth函數(shù)。然后使用相關(guān)函數(shù)進(jìn)行特征提取包括手勢分割、二值化求取手勢輪廓等，經(jīng)過基于Hausdorff距離的方法匹配識別手勢。

手勢進(jìn)行特征提取時，第一步是手勢分割，手勢的分割方法一般分為三類：一是基于直方圖的分割（閾值法），二是基于邊緣和區(qū)域的分割，三是基于顏色空間的分割方法。每種方法既有自己的優(yōu)勢，也存在一些劣勢。系統(tǒng)采用顏色空間的分割的方法，不僅將手勢進(jìn)行基于顏色空間的分割，還完成了圖像二值化處理。模板匹配是最常用的圖像識別方法之一，主要將從待識別的圖像提取的特征量與模板對應(yīng)的特征量進(jìn)行比較，計算圖像和模板特征量之間的距離，用最小距離法進(jìn)行判斷。本系統(tǒng)采用基于改進(jìn)的Hausdorff距離的方法進(jìn)行圖像模板匹配識別。

3 系統(tǒng)的實驗與數(shù)據(jù)分析

（1）手勢實驗。實驗工具為Microsoft Visual Studio2012，函數(shù)庫為Open CV2.4.8，圖片分辨率為640*480。對數(shù)據(jù)的處理采用高斯濾波進(jìn)行數(shù)字濾波，濾除圖像信息中存在的一些不必要的信號。預(yù)處理采用的高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。人類的膚色在YCb Cr顏色空間具有聚類特性，所以選擇YCrCb顏色空間進(jìn)行手勢檢測，需要完成RGB顏色空間到Y(jié)CbCr顏色空間的轉(zhuǎn)換。將手勢彩色圖像從RGB色彩空間映射到Y(jié)CbCr色彩空間，建立模型并計算相似度，再進(jìn)行歸一化處理，在經(jīng)過手勢相似度求取后，在形成的手勢相似度圖像中，手勢區(qū)域與背景區(qū)域在灰度上有一定的差別，利用這種差別經(jīng)過二值化求取手勢輪廓。其中二值化閾值采用整幅圖像的灰度均值。若像素的灰度值大于平均值，則將其灰度值設(shè)為0；若少于平均值，則設(shè)為255。

表1 手勢識別結(jié)果

（2）實驗結(jié)果。在進(jìn)行識別匹配實驗時，通過加載6個手勢作為手勢庫，采用OpenCV庫中函數(shù)進(jìn)行手勢算法識別。由于左右手的方向不一致，以及為使實驗更公平可信，本次實驗分為右手和左手進(jìn)行實驗，同時采用手正對攝像頭與背對攝像頭兩種方式，每只手進(jìn)行48次，每種手勢進(jìn)行16遍，一共進(jìn)行84次手勢識別實驗。實驗結(jié)果如表1所示。從表1可以看出，本系統(tǒng)設(shè)計的手勢識別對于手勢6的識別率最低，原因在于手勢語手勢4的相似度較高。同時，識別左手時相對右手的識別率較低，原因在于手勢庫中的手勢是以右手為模板。且就手勢方向來看，對本次實驗手勢的識別影響不是很大。從總體上來看，本系統(tǒng)的識別率最高達(dá)100%，最低也達(dá)到了86%，系統(tǒng)設(shè)計簡單合理。

4 結(jié)語

基于機器視覺的手勢識別系統(tǒng)設(shè)計是未來的發(fā)展趨勢。本文討論了系統(tǒng)設(shè)計中涉及的手勢識別技術(shù)，以及在實現(xiàn)手勢識別系統(tǒng)時需要解決的難點以及重點。目前手勢識別技術(shù)還不夠成熟，但我相信手勢識別會增強現(xiàn)如今的人機交互模式，促進(jìn)人機交互技術(shù)的發(fā)展。

［1］裴向東，陳簫，等.基于USB-FIFO的FPGA與上位機通信的設(shè)計與實現(xiàn)［J］.計算機測量與控制，2012，（4）.

［2］馮志全，蔣彥.手勢識別研究綜述［J］.濟南大學(xué)學(xué)報（自然科學(xué)版），2013，（4）.

［3］楊青，陳喆.一種用于手勢識別系統(tǒng)的指尖檢側(cè)方法［A］.2010年通信理論與信號處理學(xué)術(shù)年會論文集［C］.2010.