高速手勢識別系統解決方案

1設計摘要

目前，研究自然化的人機交互是當今計算機科學(xué)技術(shù)領(lǐng)域的主要研究熱點(diǎn)之一，手勢輸入作為一種自然、豐富、直接的交互手段在人機交互技術(shù)中占有重要的地位。本項目提出以Xilinx公司Spartan 6系列FPGA為核心器件的手勢識別系統設計的方案，采用FPGA芯片的內置DSP硬核作為手勢識別模塊的核心,負責圖像識別算法的實(shí)現，采用FPGA作為圖像采集模塊的控制中心,負責圖像的采集,完成預處理和攝像頭聚焦和云臺的控制工作，以FPGA高速強大的處理能力保證了系統的實(shí)時(shí)性。手勢識別部分融合人手顏色信息和手勢運動(dòng)信息，利用種子算法對復雜背景下的手勢進(jìn)行分割。根據分割出的手勢區域大大加速了運動(dòng)特征參數的提取,并結合手勢區域的形狀特征,建立手勢的時(shí)空表觀(guān)模型。識別時(shí)，采用獨立分布的多狀態(tài)高斯概率模型，進(jìn)行時(shí)間規整，通過(guò)DSP和FPGA在處理不同結構算法的優(yōu)勢, 大大提高了手勢識別的處理速度和準確性。高速性將是該手勢識別系統最突出的優(yōu)點(diǎn)，可實(shí)現更高層次產(chǎn)品的開(kāi)發(fā)并擴大應用前景。

2項目背景

研究自然化的人機交互是當今計算機科學(xué)技術(shù)領(lǐng)域的主要研究熱點(diǎn)之一，手勢是一種自然、直觀(guān)、易于學(xué)習的人機交互手段,手勢輸入是實(shí)現自然、直接人機交互不可缺少的關(guān)鍵技術(shù)。目前的手勢識別技術(shù)主要分為基于數據手套和基于視覺(jué)兩種?；谝曈X(jué)的動(dòng)態(tài)手勢識別系統更是當前科學(xué)研究領(lǐng)域的熱點(diǎn)之一。手勢輸入作為一種自然、豐富、直接的交互手段在人機交互技術(shù)中占有重要的地位。

盡管手勢識別技術(shù)的起步比較早，但絕大多數只是簡(jiǎn)單的停留在軟件層次上，這些技術(shù)有的只是進(jìn)行簡(jiǎn)單的比對，速度比較慢，實(shí)時(shí)性比較差，另外一些這是識別效率較低。因此需要一個(gè)從硬件上著(zhù)手，專(zhuān)門(mén)用來(lái)識別手勢的設備，以彌補上述兩個(gè)方面的不足。

以現場(chǎng)可編程門(mén)陣列FPGA作為核心器件來(lái)完成圖像的采集和預處理系統，該系統具有小型化、集成化且實(shí)時(shí)性好、靈活性高的特點(diǎn)。該系統將一些單調、不復雜、工作量大且耗費時(shí)間的處理交給FPGA來(lái)完成，不僅能充分利用FPGA速度高的優(yōu)越性，也能為DSP提供更多的時(shí)間進(jìn)行更復雜的手勢圖像分析，使得手勢識別的結果更為可靠，提高了整個(gè)系統的性能。近幾年具有乘法器及內存塊資源的大容量FPGA以及基于IP核嵌入的FPGA開(kāi)發(fā)技術(shù)的出現,可以將嵌入式微處理器、專(zhuān)用字器件和高速DSP以IP核的形式方便地嵌FPGA,以硬件編程的方法實(shí)現高速信號處理算法。本文的目的在于如何利用DSP和FPGA各自的優(yōu)勢,設計出滿(mǎn)足實(shí)時(shí)手勢識別處理要求的硬件平臺。

綜述，本文提出的高速基于DSP+FPGA架構的手勢識別系統的設計，它綜合了FPGA和DSP的優(yōu)點(diǎn)，通過(guò)DSP和FPGA在處理不同結構算法的優(yōu)勢，大大提高了手勢識別的速度和準確率。

3應用前景

手勢識別技術(shù)的應用范圍很廣泛，主要有以下幾個(gè)方面：

1、用于虛擬環(huán)境的交互。如虛擬制造和虛擬裝配、產(chǎn)品設計等。虛擬裝配通過(guò)手的運動(dòng)直接進(jìn)行零件的裝配,同時(shí)通過(guò)手勢與語(yǔ)音的合成來(lái)靈活的定義零件之間的裝配關(guān)系。還可以將手勢識別用于復雜設計信息的輸入;2、智能家居、多媒體設備的控制。通過(guò)手勢識別可以是使用者通過(guò)簡(jiǎn)單的顯而易見(jiàn)的手勢對多媒體、家具設備實(shí)現控制，如開(kāi)關(guān)空調、多媒體展示等;

3、用于多通道、多媒體用戶(hù)界面。正如鼠標沒(méi)有取代鍵盤(pán),手勢輸入也不能取代鍵盤(pán)、鼠標等傳統交互設備，手勢非常適合于指點(diǎn)、表達形狀、幾何變換和裝配等任務(wù)。語(yǔ)音對于表達抽象概念及離散屬性(或命令)是具有絕對優(yōu)勢的,而且可以涉及視覺(jué)不及的對象。視線(xiàn)應用于人機交互在目標選擇等方面具有直接性、自然性和雙向性等特點(diǎn)。將手勢輸入和這些交互通道結合,將增強現有的人機交互模式,從而實(shí)現更為直接、自然、和諧的人機接口。這種多模式的人機交互技術(shù)已經(jīng)成為當前研究的熱點(diǎn),多通道人機界面將在可預見(jiàn)的將來(lái)占主導地位,并進(jìn)一步促進(jìn)虛擬現實(shí)技術(shù)的發(fā)展;

4、聾啞患者與正常人的交流。手語(yǔ)是聾啞人使用，的語(yǔ)言,是由手型動(dòng)作輔之以表情姿勢由符號構成的比較穩定的表達系統,是一種靠動(dòng)作/視覺(jué)交際的語(yǔ)言。手勢識別可以讓機器“看懂”聾人的手語(yǔ)。識別手語(yǔ)和手語(yǔ)合成相結合,構成一個(gè)“人-機手語(yǔ)翻譯系統”便于聾人與周?chē)h(huán)境的交流;

4系統設計方案

通過(guò)攝像頭采集手勢圖像，將圖像數據存儲到SDRAM中， FPGA處理系統通過(guò)對SDRAM的控制，實(shí)現云臺控制和攝像頭聚焦，且將圖像數據按照所需時(shí)序從SDRAM中將數據讀出，并進(jìn)行銳化、與背景分離、消除噪聲以及等預處理，再將預處理后的數據送到MicroBlaze處理器中，在MicroBlaze處理器中對手勢圖像進(jìn)行復雜的手勢識別處理，完成手勢分割、手勢識別，并將識別出的手勢信息實(shí)時(shí)傳給FPGA，由FPGA實(shí)時(shí)顯示在顯示設備上。

4.1設計框圖

4.2系統設計

FPGA是整個(gè)系統的時(shí)序控制中心和數據交換橋梁，而且能夠實(shí)現對底層的信號快速預處理。在很多信號處理系統中，底層的信號預處理算法要處理的數據量很大，對處理速度要求很高，但算法結構相對比較簡(jiǎn)單，適于用FPGA進(jìn)行硬件編程實(shí)現。而高層處理算法的特點(diǎn)是數據量較低，但算法控制結構復雜，適于用運算速度快、尋址靈活、通信機制強大的DSP芯片來(lái)實(shí)現。

4.2.1圖像采集模塊

普通固定式攝像頭不能調整方向，難以對移動(dòng)中的目標進(jìn)行實(shí)時(shí)的抓取、捕獲，不能滿(mǎn)足本項目對手勢圖像采集的要求。我們擬采用通過(guò)控制云臺來(lái)實(shí)現對手勢的實(shí)時(shí)精確抓取。先通過(guò)幾何人臉識別的方法識別出目標者，然后通過(guò)調節云臺上的水平與垂直兩個(gè)電機來(lái)調節攝像頭的方向，最大限度的采集目標者的圖像，然后再通過(guò)光學(xué)變焦，使目標者清晰成像，這樣可以在更大范圍內獲得包含手勢的目標者的圖像，從而能夠更加精確的提取手勢圖像，進(jìn)行手勢分割，增加手勢識別的精度。

一體化攝像機內置光學(xué)鏡頭，具有變倍、自動(dòng)聚焦功能的攝像機，其結構小巧、使用方便、監控范圍廣。變焦控制可實(shí)現圖像的變倍、自動(dòng)聚焦，是一體化攝像機中的關(guān)鍵技術(shù)之一。步進(jìn)電機可將電脈沖信號轉換成角位移，每接收一個(gè)脈沖信號就可驅動(dòng)步進(jìn)電機轉動(dòng)一個(gè)固定角度，實(shí)現物體的準確定位，通過(guò)控制脈沖的頻率可控制電機轉動(dòng)的速度，步進(jìn)電機已廣泛應用于高精度控制系統中。一體化攝像機光學(xué)鏡頭中包含變倍步進(jìn)電機與聚焦步進(jìn)電機，變倍電機轉動(dòng)時(shí)，為使圖像聚焦清晰，聚焦電機也應隨之轉動(dòng)，具體轉動(dòng)步數與物距有關(guān)，具體參數可由鏡頭生產(chǎn)廠(chǎng)家提供的變焦跟蹤曲線(xiàn)獲得。為了適應不同物距的清晰成像，變倍跟蹤結束后，配合自動(dòng)聚焦，以顯示清晰的圖像。

可通過(guò)人臉幾何特征識別算法識別出目標者，幾何特征的人臉識別方法：幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系(如相互之間的距離)。這些算法識別速度快，需要的內存小，識別率較低，但是可以滿(mǎn)足方向調節的需求。

4.2.2 FPGA預處理模塊

圖像計算模塊讀取參數表數據,FPGA對采集模塊輸入并存儲在外部原始圖像SRAM中的原始圖像數據進(jìn)行計算處理,并將處理好的圖像數據存儲到結果圖像SDRAM中，最后，FPGA內部的圖像輸出模塊從結果圖像SDRAM中將處理后的圖像數據讀出。