基于微型计算机的隔空手势监控及识别系统设计与实现.docx

题目:基于微型计算机的隔空手势监控及识别系统设计与实现

摘要本文详细介绍了手势识别和监视系统的设计和实现。利用相机等设备采集图像，并且使用图像分割等技术对采集到的图像进行数据分析，最终提取出手势的特征量被称为基于计算机视觉技术的手势识别技术。执行这类的手势识别技术需要通过很复杂的图像处理和数据分析，虽然这种方法具有宽泛的识别范围并且准确率可以达到很高，但是需要复杂的图像处理和数据分析，这使得开发起来会很困难而且价格也很昂贵。然而，这对于只是需要具有简单功能的手势识别系统是多余的，比如只是用来进行一个简单的路灯开关或者音乐切换。而基于光电传感器的简单手势识别系统，这种系统实现起来成本低，也能满足简单的系统功能需求，所以本文主要是研究在微型计算机上通过外接光电传感器来进行简单的手势监控与识别的一个系统的设计。经过对比挑选，我们这次的设计选用了树莓派这个只有身份证大小的微型计算机，这个微型计算机虽然不大，但它具有了电脑的所有基本功能，所以在操作上比较方便，也可以很好地与我们的光电传感器进行配合。本文先对实验设备作了简介，对识别中存在的问题进行了说明；而后对手势识别的准确性和识别率进行优化，然后实现基本的手势识别，然后连接相应硬件进行对应的操作演示，从而证实手势监控及识别系统的可行性。

关键词：手势识别；光电传感器；Raspberrypi

第一章绪论

1.1.课题开发背景及意义

人机交互技术已成为当今重大科学技术之一。在国家“九七三”计划和中长期科技发展纲要中均支持“和谐人机交互理论和智能信息处理基础研究”，重点和优先发展“虚拟现实技术”和“智能感知技术”。

如今，用于文本的键盘交互和用于图形的鼠标交互是目前人机交互的一个主流方法。但是这些交互是以机器作为中心的，所以人们要适应机器的输入以及输出设备；因此，存在许多不方便的交互方式。随着计算机学的高速发展，人机交互这类研究正在从以机器为中心的研究转向以人为中心的研究。人与人之间互动方法的研究习惯已成为重要的一点。手势是人类最广泛使用的交流方式。它生动，直观，易于理解，并包含大量信息。这是一种有效的交流方式。基于手势识别的人机交互技术使用户使用到简单高效的人机界面,它极大地促进了人类的生活。因此，基于手势识别的人机交互技术具有非常重要的研究价值与理由。

手势识别可分为接触式和非接触式，接触式实现又包括基于手套数据的手势识别，在手势检测和认知研究的早期阶段，应使用手套来收集手势数据。可以对人的22个关节角度进行高精度测量，但是，使用数据手套作为输入设备会引起不适，例如出汗，这可能很昂贵并且很难做广告。例如，美国某所大学的教授在五个指尖上使用了可以加亮的标签；并利用有限状态机(FSM)建立手势动态模型进行识别。基于上述的研究，研究人员发现用户的使用体验更舒适：非接触手势识别，实现方案为基于视觉的手势识别、基于光电传感器的手势识别、基于超声波的手势识别和基于手势电磁的信号识别，使用相机、扫描等收集图像，并使用图像分割法对收集的图像进行分析以及处理，最后提取出来手势并且能够识别手势功能称为基于计算机视觉技术的手势识别技术。但是这种手势识别技术需要复杂的图像处理和数据分析。它虽然具有广泛的识别度并且是准确的，但是由于复杂的图像处理和数据分析，开发起来既困难又昂贵。但是，对于具有简单功能要求的手势识别系统，例如智能玩具，智能家居和不多的手势类型，以及其他智能产品。在本文中，我们可以设计一个简单的基于光电传感器的手势识别系统，不仅仅难度低，成本低，而且还能提供一些简单的系统功能要求。

1.2.国内外研究现状

手势识别现已得到广泛研究，尤其是通过视觉。韩国大学李钟锡和李英珠使用熵分析对手势进行分割，他们执行手势识别于背景复杂的视频序列中。这个系统可以识别6个手势，平均手势识别率超过95％，平均识别率可以达到

90％到100％。印度研究人员MeenakshiPanwar提供了一种手势识别算法：这种算法通过背景分离方向检测拇指检测和手势搜索来识别不同种类的手势，也就是使用的基于视觉手势识别的结构特征。于成龙等人则通过结合手势识别视觉，并结合了面积，周长，中心，面积系数和手部比例的特征，以改善感知系数，以此提高准确率。上海大学丁又东，庞海博等人，他们配置多个手势数据集合，然后使用改进的LBP算法和AdaBoost分类器来识别手势，包括一些角度急剧变化的手势图像。实验表明，该方法能够识别和分类不同的手势。除此以外，对于手势识别的研究也被许多大型电子公司纳入其开发项目，其效果出乎预料的好。在2012年，三星推出了一款新的智能结合了面部，手势和语言技能的电视，无论是通过语音还是简单的手势，用户都可以在电视上执行简单的任务，例如：切换并关闭电视

机，调整音量以进行切换，而且还