張 平， 劉祚時(shí)

(江西理工大學(xué) 機(jī)電工程學(xué)院，江西 贛州 341000)

0 引 言

基于慣性傳感器手勢(shì)識(shí)別一直以來(lái)是人機(jī)交互領(lǐng)域的重要研究方向[1]。目前，手勢(shì)識(shí)別的方案有很多種，主要包括：基于筆的手勢(shì)識(shí)別、數(shù)據(jù)手套的手勢(shì)識(shí)別、基于微機(jī)電系統(tǒng)(micro-electro-mechanical system,MEMS)慣性傳感器的手勢(shì)模式識(shí)別、基于視覺的手勢(shì)識(shí)別和基于圖像的手勢(shì)識(shí)別[2～4]。基于視覺的手勢(shì)識(shí)別技術(shù)比較成熟[5]，但依賴于對(duì)圖像的處理，要求設(shè)備有很強(qiáng)的圖像處理能力和對(duì)設(shè)備的使用環(huán)境有嚴(yán)格要求，比如光線的影響，限制了該方法的應(yīng)用?；诩铀俣葌鞲衅鞯氖謩?shì)識(shí)別方法[6]，比如荊雷、馬文君等人[7]提出的動(dòng)態(tài)時(shí)間規(guī)整(dynamic time warping,DTW),方法計(jì)算量大，對(duì)于連續(xù)性手勢(shì)識(shí)別實(shí)時(shí)性不好。隱馬爾可夫模型(hidden Markov model,HMM)[8],由于同一種手勢(shì)在不同用戶間存在差異很難建立起手勢(shì)模板和隱馬爾可夫模型。陳意、楊平等人提出了基于加速度規(guī)律特征提取的手勢(shì)識(shí)別方法[9]。隨著微電子技術(shù)的飛速發(fā)展，32位微控制器的均自帶浮點(diǎn)運(yùn)算單元(floating point unit,FPU)，大幅提高了運(yùn)算能力，同時(shí)慣性傳感器自帶數(shù)字運(yùn)動(dòng)處理器(digital motion processors,DMP)可以將姿態(tài)解算[10]應(yīng)用于手勢(shì)識(shí)別算法中。

本文基于MPU6050傳感器提出了結(jié)合加速度和姿態(tài)角手勢(shì)特征提取的手勢(shì)識(shí)別優(yōu)化算法。針對(duì)個(gè)體手勢(shì)動(dòng)作的差異性具有較強(qiáng)的魯棒性，通過提取各種手勢(shì)的運(yùn)動(dòng)學(xué)特征以及設(shè)備的姿態(tài)變化規(guī)律完成手勢(shì)識(shí)別。對(duì)手勢(shì)的方向識(shí)別運(yùn)用了姿態(tài)角的特征量來(lái)實(shí)現(xiàn)，簡(jiǎn)化了算法的復(fù)雜度。在敲擊手勢(shì)和晃動(dòng)類手勢(shì)識(shí)別中也運(yùn)用了姿態(tài)角的變化規(guī)律，姿態(tài)角的信號(hào)特征為手勢(shì)的方向識(shí)別提供了便利。

1 MPU6050數(shù)據(jù)預(yù)處理和手勢(shì)模式識(shí)別定義

1.1 MPU6050姿態(tài)解算

在敲擊手勢(shì)和晃動(dòng)類手勢(shì)的分類中應(yīng)用了四元數(shù)轉(zhuǎn)換到歐拉角的信號(hào)波形來(lái)分析。手勢(shì)設(shè)備在空間的姿態(tài)變化可以用四元數(shù)不斷更新來(lái)表征，亦即用轉(zhuǎn)換后的歐拉角表示。對(duì)手勢(shì)的方向識(shí)別運(yùn)用姿態(tài)角的特征量進(jìn)行判斷。

1)四元數(shù)定義：空間中任何一個(gè)旋轉(zhuǎn)均可以用四元數(shù)來(lái)表示成q=ω+xi+yj+zk形式，其中，ω表示旋轉(zhuǎn)角度，寫成矩陣形式為

q=[ω,x,y,z]T

(1)

2)四元數(shù)歸一化處理：表征旋轉(zhuǎn)的四元數(shù)必須是規(guī)范化四元數(shù)，需要進(jìn)行歸一化處理[11]

|q|2=ω2+x2+y2+z2=1

(2)

3)四元數(shù)/歐拉角轉(zhuǎn)換：任何一個(gè)設(shè)備在三維空間中的姿態(tài)可以用歐拉角表示

(3)

式中φ為橫滾(roll)角；θ為俯仰(pitch)角；φ為偏航(yaw)角。

1.2 MPU6050手勢(shì)模式識(shí)別

1.2.1基本手勢(shì)定義和分類

手勢(shì)定義基本原則：設(shè)備易于識(shí)別手勢(shì)；使用者容易學(xué)習(xí)和使用手勢(shì)。定義了如表1所示的手勢(shì)集分類。

表1 手勢(shì)集劃分

1.2.2 實(shí)驗(yàn)平臺(tái)

基于STM32F427處理器，通過MPU6050慣性傳感器進(jìn)行手勢(shì)數(shù)據(jù)信息采集，通過外設(shè)串口并按照自定義幀協(xié)議將數(shù)據(jù)上傳至上位機(jī)軟件，本文借助匿名飛控的上位機(jī)軟件實(shí)現(xiàn)了手勢(shì)數(shù)據(jù)的實(shí)時(shí)顯示和圖形繪制，方便對(duì)信息進(jìn)行分析處理，最后通過算法將手勢(shì)信息提取為指令，從而通過無(wú)線收發(fā)器NRF24L01 2.4 GHz通信協(xié)議在LCD顯示手勢(shì)識(shí)別結(jié)果。圖1為實(shí)驗(yàn)系統(tǒng)整體結(jié)構(gòu)。

圖1 實(shí)驗(yàn)系統(tǒng)整體結(jié)構(gòu)

1.2.3 手勢(shì)識(shí)別模式算法

研究的慣性傳感器手勢(shì)識(shí)別算法應(yīng)用于移動(dòng)設(shè)備，要求實(shí)時(shí)性高，方便在嵌入式系統(tǒng)移植。故采用了手勢(shì)原始數(shù)據(jù)統(tǒng)計(jì)分析的方法。手勢(shì)識(shí)別算法框圖如圖2所示。

圖2 手勢(shì)識(shí)別算法框圖

1.2.4 手勢(shì)信號(hào)數(shù)據(jù)截取

在進(jìn)行有效手勢(shì)信號(hào)截取前，必須要準(zhǔn)確檢測(cè)手勢(shì)起點(diǎn)和終點(diǎn)。圖3為利用加速度信號(hào)進(jìn)行手勢(shì)起點(diǎn)，終點(diǎn)檢測(cè)。

圖3 手勢(shì)起點(diǎn)和終點(diǎn)判斷

由圖3可見，加速度計(jì)在一般狀態(tài)下變化較平緩，但當(dāng)有手勢(shì)動(dòng)作發(fā)生時(shí)加速度計(jì)數(shù)據(jù)波形會(huì)發(fā)生劇烈變化。利用加速計(jì)的數(shù)據(jù)特性表征手勢(shì)動(dòng)作具有很高的可靠性[12]。本文對(duì)三軸加速計(jì)數(shù)據(jù)作差分，再以差分絕對(duì)值之和作為表征手勢(shì)起點(diǎn)、終點(diǎn)的特征量。如式(4)所示,以Δak作為判斷起點(diǎn)和終點(diǎn)的依據(jù)

Δak=|axk-axk-1|+|ayk-ayk-1|+|azk-azk-1|

(4)

圖4 手勢(shì)識(shí)別模式算法起點(diǎn)流程

2 手勢(shì)識(shí)別

2.1 信號(hào)特征提取

1)手勢(shì)信號(hào)階段平均能量

為了簡(jiǎn)化算法，減少計(jì)算量，用手勢(shì)平均能量代替手勢(shì)總能量

(5)

式中L為手勢(shì)長(zhǎng)度；axi,ayi,azi分別為x軸、y軸和z軸第i個(gè)采樣點(diǎn)加速度；ax0,ay0,az0為對(duì)應(yīng)軸加速度零偏。

2)手勢(shì)長(zhǎng)度

從手勢(shì)起點(diǎn)開始到手勢(shì)結(jié)束的時(shí)間差值，本文以采樣點(diǎn)[12]的序號(hào)表示采樣節(jié)點(diǎn)對(duì)應(yīng)的時(shí)刻值。手勢(shì)長(zhǎng)度即為采樣序號(hào)的差值

L=Kend-Kstart

(6)

對(duì)于不同的手勢(shì)動(dòng)作手勢(shì)長(zhǎng)度不同，對(duì)于翻轉(zhuǎn)類手勢(shì)動(dòng)作較短小于50 ms，其他手勢(shì)較長(zhǎng)，采樣頻率200 Hz。

3)手勢(shì)信號(hào)段歐拉角波峰波谷數(shù)目計(jì)算

在手勢(shì)信號(hào)階段，以手勢(shì)起點(diǎn)閾值為0°,遍歷與橫軸的交點(diǎn)，B1～B7，計(jì)算每個(gè)區(qū)間中最大和最小值，當(dāng)最小值小于下限閾值，波谷數(shù)目加1；當(dāng)最大值大于上限，閾值波峰數(shù)目加1。利用上限和下限閾值的濾波的方法能夠減小干擾，具體計(jì)算方法如圖5所示。

圖5 波峰波谷數(shù)目計(jì)算方法

4)手勢(shì)信號(hào)段歐拉角信號(hào)平均幅值

(7)

式中Pi為波峰或波谷值；N為波峰波谷總數(shù)。

5)手勢(shì)信號(hào)段歐拉角差分絕對(duì)值之和

(8)

(9)

(10)

式中Eφ,Eθ,Eφ分別為橫滾角、俯仰角和偏航角差分絕對(duì)值之和；L為手勢(shì)長(zhǎng)度。

2.2 分類器設(shè)計(jì)

設(shè)計(jì)的手勢(shì)分類器充分利用了姿態(tài)角的信號(hào)進(jìn)行方向判斷以及敲擊手勢(shì)和晃動(dòng)手勢(shì)的分離，設(shè)計(jì)了3層決策樹分類器，達(dá)到了簡(jiǎn)化算法的目的。如圖6所示。

圖6 分類器

第一層：在預(yù)定義手勢(shì)中只有翻轉(zhuǎn)類手勢(shì)長(zhǎng)度最短且加速度信號(hào)變化量最小，所以若手勢(shì)能量最小，小于閾值，分類為翻轉(zhuǎn)類。

第二層：MPU6050自帶數(shù)字運(yùn)動(dòng)處理器，通過姿態(tài)解算后得到歐拉角，清晰反映預(yù)定義手勢(shì)波峰數(shù)，甩動(dòng)手勢(shì)在姿態(tài)角上表現(xiàn)的運(yùn)動(dòng)學(xué)特征為無(wú)峰值，利用該條件可分離出甩動(dòng)類手勢(shì)。甩動(dòng)手勢(shì)加速度和歐拉角波形如圖7所示。

圖7 甩動(dòng)手勢(shì)加速度和歐拉角波形

第三層：預(yù)定義敲擊手勢(shì)為連續(xù)敲擊3次和晃動(dòng)手勢(shì)在歐拉角信號(hào)上形狀相似，如圖8所示。

圖8 敲擊和晃動(dòng)手勢(shì)波形

在姿態(tài)角特征上的區(qū)別表現(xiàn)為手勢(shì)長(zhǎng)度L和手勢(shì)平均幅值Em的不同，考慮到設(shè)備姿態(tài)以及操作者的差異性，為了提高識(shí)別率，選取出敲擊手勢(shì)和晃動(dòng)手勢(shì)的樣本，利用這兩個(gè)特征進(jìn)行訓(xùn)練，得到Fisher分類函數(shù)f=61L+5Em-4 610,當(dāng)f<0,為敲擊類手勢(shì)；當(dāng)f>0為晃動(dòng)類手勢(shì)。

2.3 手勢(shì)識(shí)別的實(shí)現(xiàn)

2.3.1 翻轉(zhuǎn)類手勢(shì)識(shí)別

翻轉(zhuǎn)類手勢(shì)動(dòng)作均繞特定坐標(biāo)軸翻轉(zhuǎn)，運(yùn)動(dòng)變化主要體現(xiàn)在陀螺儀上，加速度計(jì)變化很小。在預(yù)定義手勢(shì)集中表現(xiàn)為手勢(shì)平均能量最小，經(jīng)過統(tǒng)計(jì)分析翻轉(zhuǎn)類手勢(shì)平均能量最大不超過4 000，而手勢(shì)能量最低的甩動(dòng)手勢(shì)均大于4 500。利用最小平均能量閾值分離出翻轉(zhuǎn)類手勢(shì)。再利用手勢(shì)段歐拉角差分絕對(duì)值之和最大特征量(即選Eφ,Eθ,Eφ最大者)篩選出翻轉(zhuǎn)軸(Eφ,Eθ,Eφ分別對(duì)應(yīng)X,Y,Z軸)。對(duì)于方向的識(shí)別根據(jù)手勢(shì)段歐拉角波峰值或者波谷值有無(wú)確定，僅有波峰值為順時(shí)針翻轉(zhuǎn)，僅有波谷值為逆時(shí)針翻轉(zhuǎn)。

2.3.2 甩動(dòng)類手勢(shì)識(shí)別

由分類器第一層利用手勢(shì)能量分離出翻轉(zhuǎn)類手勢(shì)后，在預(yù)定義的剩下3類手勢(shì)中，利用姿態(tài)角波形能夠清晰反映手勢(shì)峰值特征，晃動(dòng)手勢(shì)和連續(xù)敲擊3次手勢(shì)波峰和波谷數(shù)目均大于等于3，而甩動(dòng)手勢(shì)在歐拉角信號(hào)上表現(xiàn)為波峰數(shù)目等于0，利用波峰數(shù)目能夠分離出甩動(dòng)手勢(shì)。

1)甩動(dòng)手勢(shì)方向的預(yù)識(shí)別：甩動(dòng)分為左右甩動(dòng)和上下甩動(dòng)，當(dāng)歐拉角差分絕對(duì)值之和最大值發(fā)生在俯仰角信號(hào)上，(即Eθ值最大)則為上下甩動(dòng)如圖9(a)；當(dāng)發(fā)生在在偏航角信號(hào)上，(即Eφ值最大)則為左右甩動(dòng)如圖9(b)。

圖9 甩動(dòng)手勢(shì)信號(hào)波形

2.3.3 敲擊類和晃動(dòng)類手勢(shì)識(shí)別

預(yù)定義敲擊手勢(shì)為連續(xù)敲擊3次，而晃動(dòng)類手勢(shì)為連續(xù)晃動(dòng)3次及以上，當(dāng)晃動(dòng)3次以上，手勢(shì)信號(hào)明顯特征表現(xiàn)在晃動(dòng)手勢(shì)長(zhǎng)度大于敲擊手勢(shì)，平均幅值Em也大于前者。但是當(dāng)晃動(dòng)次數(shù)為3次時(shí)，兩類手勢(shì)信號(hào)很相似，為了提高識(shí)別準(zhǔn)確度，對(duì)兩類手勢(shì)樣本進(jìn)行訓(xùn)練得到Fisher判別函數(shù)f=61L+5Em-4 610:當(dāng)f<0,為敲擊類手勢(shì)；當(dāng)f>0為晃動(dòng)類手勢(shì)。

晃動(dòng)手勢(shì)方向識(shí)別：晃動(dòng)分為左右晃動(dòng)和上下晃動(dòng)，表現(xiàn)在姿態(tài)角上的特征是當(dāng)手勢(shì)信號(hào)段歐拉角差分絕對(duì)值之和最大值(即Eθ值最大)出現(xiàn)在俯仰角信號(hào)上為上下晃動(dòng)，信號(hào)波形如圖10(a)所示；當(dāng)出現(xiàn)在偏航角信號(hào)上(即Eφ值最大)為左右晃動(dòng)，信號(hào)波形如圖10(b)所示。

圖10 晃動(dòng)手勢(shì)信號(hào)波形

3 實(shí)驗(yàn)結(jié)果

基于MPU6050慣性傳感器的實(shí)驗(yàn)測(cè)試，選擇10位試驗(yàn)對(duì)象各進(jìn)行100次測(cè)試，平均識(shí)別率96.4 %，測(cè)試識(shí)別結(jié)果如表2所示。G1～G9分別表示順時(shí)針翻轉(zhuǎn)、逆時(shí)針翻轉(zhuǎn)、向上甩動(dòng)、向下甩動(dòng)、向左甩動(dòng)、向右甩動(dòng)、敲擊、上下晃動(dòng)、左右晃動(dòng)，R1～R9為實(shí)驗(yàn)結(jié)果。

表2 手勢(shì)識(shí)別結(jié)果

從結(jié)果可以看出，大多數(shù)的識(shí)別錯(cuò)誤出現(xiàn)在方向識(shí)別，與操作不規(guī)范性因素有關(guān)，比如抖動(dòng)因素。

4 結(jié) 論

針對(duì)MPU6050傳感器提出了結(jié)合加速度規(guī)律和特征量以及設(shè)備姿態(tài)角變化規(guī)律的手勢(shì)識(shí)別方法。能夠減少因用戶操作差異性因素造成誤識(shí)別的影響。同時(shí)利用姿態(tài)角的變化規(guī)律和特征量能夠方便對(duì)手勢(shì)的方向進(jìn)行判別。相較于僅使用加速度變化規(guī)律的手勢(shì)識(shí)別算法，利用姿態(tài)角對(duì)方向識(shí)別簡(jiǎn)化了算法，縮短了手勢(shì)識(shí)別時(shí)間，提高了實(shí)時(shí)性。姿態(tài)角能直觀地表征設(shè)備的位姿變化，同時(shí)能夠在一定范圍內(nèi)兼容手勢(shì)動(dòng)作包含的基礎(chǔ)運(yùn)動(dòng)。算法已成功移植在STM32F427微處理器上。

[1] 雷 蕾,趙涓涓,史曜華.人車交互技術(shù)中的手勢(shì)檢測(cè)及識(shí)別方法[J].太原理工大學(xué)學(xué)報(bào),2016,47(6):793-798.

[2] 肖 茜,楊 平,徐立波.一種基于MEMS慣性傳感器的手勢(shì)識(shí)別方法[J].傳感技術(shù)學(xué)報(bào),2013,26(5):611-615.

[3] 武 霞,張 崎,許艷旭.手勢(shì)識(shí)別研究發(fā)展現(xiàn)狀綜述[J].電子科技,2013,26(6):171-174.

[4] Panwar M.Hand gesture recognition based on shape parame-ters[C]∥International Conference on Computing,Communication and Applications，IEEE,2012:1-6.

[5] 孔俊其,王 輝,張廣泉.基于傳感器的手勢(shì)交互研究[C]∥江蘇計(jì)算機(jī)大會(huì)，2008.

[6] 孔俊其.基于三維加速度傳感器的手勢(shì)識(shí)別及交互模型研究[D].蘇州：蘇州大學(xué),2009.

[7] 荊 雷,馬文君,常丹華.基于動(dòng)態(tài)時(shí)間規(guī)整的手勢(shì)加速度信號(hào)識(shí)別[J].傳感技術(shù)學(xué)報(bào),2012,25(1):72-76.

[8] 劉珠峰,周 良,丁秋林.基于隱性馬爾可夫模型的手勢(shì)識(shí)別設(shè)計(jì)和優(yōu)化[J].計(jì)算機(jī)應(yīng)用研究,2011,28(6):2386-2388.

[9] 陳 意.基于MEMS慣性傳感器的移動(dòng)電子設(shè)備手勢(shì)識(shí)別技術(shù)研究[D].成都：電子科技大學(xué),2013.

[10] 彭孝東,陳 瑜,李繼宇,等.MEMS三軸數(shù)字陀螺儀標(biāo)定方法研究[J].傳感器與微系統(tǒng),2013,32(6):63-65.

[11] 曹 飛.嵌入式航向姿態(tài)參考系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].南京：南京理工大學(xué),2012.

[12] 趙呂晨,吳 薇,曾憲奕,等.基于多加速度傳感器的胎動(dòng)信號(hào)檢測(cè)方法[J].傳感器與微系統(tǒng),2016,35(12):20-23.