關(guān)鍵詞： 手勢識別 , FPGA

　　1設(shè)計摘要
　　目前，研究自然化的人機(jī)交互是當(dāng)今計算機(jī)科學(xué)技術(shù)領(lǐng)域的主要研究熱點之一，手勢輸入作為一種自然、豐富、直接的交互手段在人機(jī)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(tǒng)設(shè)計的方案，采用FPGA芯片的內(nèi)置DSP硬核作為手勢識別模塊的核心,負(fù)責(zé)圖像識別算法的實現(xiàn)，采用FPGA作為圖像采集模塊的控制中心,負(fù)責(zé)圖像的采集,完成預(yù)處理和攝像頭聚焦和云臺的控制工作，以FPGA高速強(qiáng)大的處理能力保證了系統(tǒng)的實時性。手勢識別部分融合人手顏色信息和手勢運動信息，利用種子算法對復(fù)雜背景下的手勢進(jìn)行分割。根據(jù)分割出的手勢區(qū)域大大加速了運動特征參數(shù)的提取,并結(jié)合手勢區(qū)域的形狀特征,建立手勢的時空表觀模型。識別時，采用獨立分布的多狀態(tài)高斯概率模型，進(jìn)行時間規(guī)整，通過DSP和FPGA在處理不同結(jié)構(gòu)算法的優(yōu)勢, 大大提高了手勢識別的處理速度和準(zhǔn)確性。高速性將是該手勢識別系統(tǒng)最突出的優(yōu)點，可實現(xiàn)更高層次產(chǎn)品的開發(fā)并擴(kuò)大應(yīng)用前景。
　　2項目背景
　　研究自然化的人機(jī)交互是當(dāng)今計算機(jī)科學(xué)技術(shù)領(lǐng)域的主要研究熱點之一，手勢是一種自然、直觀、易于學(xué)習(xí)的人機(jī)交互手段,手勢輸入是實現(xiàn)自然、直接人機(jī)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(shù)據(jù)手套和基于視覺兩種?；谝曈X的動態(tài)手勢識別系統(tǒng)更是當(dāng)前科學(xué)研究領(lǐng)域的熱點之一。手勢輸入作為一種自然、豐富、直接的交互手段在人機(jī)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(shù)只是簡單的停留在軟件層次上，這些技術(shù)有的只是進(jìn)行簡單的比對，速度比較慢，實時性比較差，另外一些這是識別效率較低。因此需要一個從硬件上著手，專門用來識別手勢的設(shè)備，以彌補(bǔ)上述兩個方面的不足。
　　以現(xiàn)場可編程門陣列FPGA作為核心器件來完成圖像的采集和預(yù)處理系統(tǒng)，該系統(tǒng)具有小型化、集成化且實時性好、靈活性高的特點。該系統(tǒng)將一些單調(diào)、不復(fù)雜、工作量大且耗費時間的處理交給FPGA來完成，不僅能充分利用FPGA速度高的優(yōu)越性，也能為DSP提供更多的時間進(jìn)行更復(fù)雜的手勢圖像分析，使得手勢識別的結(jié)果更為可靠，提高了整個系統(tǒng)的性能。近幾年具有乘法器及內(nèi)存塊資源的大容量FPGA以及基于IP核嵌入的FPGA開發(fā)技術(shù)的出現(xiàn),可以將嵌入式微處理器、專用字器件和高速DSP以IP核的形式方便地嵌FPGA,以硬件編程的方法實現(xiàn)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(shè)計出滿足實時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(gòu)的手勢識別系統(tǒng)的設(shè)計，它綜合了FPGA和DSP的優(yōu)點，通過DSP和FPGA在處理不同結(jié)構(gòu)算法的優(yōu)勢，大大提高了手勢識別的速度和準(zhǔn)確率。
　　3應(yīng)用前景
　　手勢識別技術(shù)的應(yīng)用范圍很廣泛，主要有以下幾個方面：
　　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(shè)計等。虛擬裝配通過手的運動直接進(jìn)行零件的裝配,同時通過手勢與語音的合成來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(fù)雜設(shè)計信息的輸入;2、智能家居、多媒體設(shè)備的控制。通過手勢識別可以是使用者通過簡單的顯而易見的手勢對多媒體、家具設(shè)備實現(xiàn)控制，如開關(guān)空調(diào)、多媒體展示等;
　　3、用于多通道、多媒體用戶界面。正如鼠標(biāo)沒有取代鍵盤,手勢輸入也不能取代鍵盤、鼠標(biāo)等傳統(tǒng)交互設(shè)備，手勢非常適合于指點、表達(dá)形狀、幾何變換和裝配等任務(wù)。語音對于表達(dá)抽象概念及離散屬性(或命令)是具有絕對優(yōu)勢的,而且可以涉及視覺不及的對象。視線應(yīng)用于人機(jī)交互在目標(biāo)選擇等方面具有直接性、自然性和雙向性等特點。將手勢輸入和這些交互通道結(jié)合,將增強(qiáng)現(xiàn)有的人機(jī)交互模式,從而實現(xiàn)更為直接、自然、和諧的人機(jī)接口。這種多模式的人機(jī)交互技術(shù)已經(jīng)成為當(dāng)前研究的熱點,多通道人機(jī)界面將在可預(yù)見的將來占主導(dǎo)地位,并進(jìn)一步促進(jìn)虛擬現(xiàn)實技術(shù)的發(fā)展;
　　4、聾啞患者與正常人的交流。手語是聾啞人使用，的語言,是由手型動作輔之以表情姿勢由符號構(gòu)成的比較穩(wěn)定的表達(dá)系統(tǒng),是一種靠動作/視覺交際的語言。手勢識別可以讓機(jī)器“看懂”聾人的手語。識別手語和手語合成相結(jié)合,構(gòu)成一個“人-機(jī)手語翻譯系統(tǒng)”便于聾人與周圍環(huán)境的交流;
　　4系統(tǒng)設(shè)計方案
　　通過攝像頭采集手勢圖像，將圖像數(shù)據(jù)存儲到SDRAM中， FPGA處理系統(tǒng)通過對SDRAM的控制，實現(xiàn)云臺控制和攝像頭聚焦，且將圖像數(shù)據(jù)按照所需時序從SDRAM中將數(shù)據(jù)讀出，并進(jìn)行銳化、與背景分離、消除噪聲以及等預(yù)處理，再將預(yù)處理后的數(shù)據(jù)送到MicroBlaze處理器中，在MicroBlaze處理器中對手勢圖像進(jìn)行復(fù)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時傳給FPGA，由FPGA實時顯示在顯示設(shè)備上。
　　4.1設(shè)計框圖
　　

　　圖1 系統(tǒng)設(shè)計框圖
　　4.2系統(tǒng)設(shè)計
　　FPGA是整個系統(tǒng)的時序控制中心和數(shù)據(jù)交換橋梁，而且能夠?qū)崿F(xiàn)對底層的信號快速預(yù)處理。在很多信號處理系統(tǒng)中，底層的信號預(yù)處理算法要處理的數(shù)據(jù)量很大，對處理速度要求很高，但算法結(jié)構(gòu)相對比較簡單，適于用FPGA進(jìn)行硬件編程實現(xiàn)。而高層處理算法的特點是數(shù)據(jù)量較低，但算法控制結(jié)構(gòu)復(fù)雜，適于用運算速度快、尋址靈活、通信機(jī)制強(qiáng)大的DSP芯片來實現(xiàn)。
　　4.2.1圖像采集模塊
　　普通固定式攝像頭不能調(diào)整方向，難以對移動中的目標(biāo)進(jìn)行實時的抓取、捕獲，不能滿足本項目對手勢圖像采集的要求。我們擬采用通過控制云臺來實現(xiàn)對手勢的實時精確抓取。先通過幾何人臉識別的方法識別出目標(biāo)者，然后通過調(diào)節(jié)云臺上的水平與垂直兩個電機(jī)來調(diào)節(jié)攝像頭的方向，最大限度的采集目標(biāo)者的圖像，然后再通過光學(xué)變焦，使目標(biāo)者清晰成像，這樣可以在更大范圍內(nèi)獲得包含手勢的目標(biāo)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(jī)內(nèi)置光學(xué)鏡頭，具有變倍、自動聚焦功能的攝像機(jī)，其結(jié)構(gòu)小巧、使用方便、監(jiān)控范圍廣。變焦控制可實現(xiàn)圖像的變倍、自動聚焦，是一體化攝像機(jī)中的關(guān)鍵技術(shù)之一。步進(jìn)電機(jī)可將電脈沖信號轉(zhuǎn)換成角位移，每接收一個脈沖信號就可驅(qū)動步進(jìn)電機(jī)轉(zhuǎn)動一個固定角度，實現(xiàn)物體的準(zhǔn)確定位，通過控制脈沖的頻率可控制電機(jī)轉(zhuǎn)動的速度，步進(jìn)電機(jī)已廣泛應(yīng)用于高精度控制系統(tǒng)中。一體化攝像機(jī)光學(xué)鏡頭中包含變倍步進(jìn)電機(jī)與聚焦步進(jìn)電機(jī)，變倍電機(jī)轉(zhuǎn)動時，為使圖像聚焦清晰，聚焦電機(jī)也應(yīng)隨之轉(zhuǎn)動，具體轉(zhuǎn)動步數(shù)與物距有關(guān)，具體參數(shù)可由鏡頭生產(chǎn)廠家提供的變焦跟蹤曲線獲得。為了適應(yīng)不同物距的清晰成像，變倍跟蹤結(jié)束后，配合自動聚焦，以顯示清晰的圖像。
　　可通過人臉幾何特征識別算法識別出目標(biāo)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(nèi)存小，識別率較低，但是可以滿足方向調(diào)節(jié)的需求。
　　4.2.2 FPGA預(yù)處理模塊
　　圖像計算模塊讀取參數(shù)表數(shù)據(jù),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(shù)據(jù)進(jìn)行計算處理,并將處理好的圖像數(shù)據(jù)存儲到結(jié)果圖像SDRAM中，最后，F(xiàn)PGA內(nèi)部的圖像輸出模塊從結(jié)果圖像SDRAM中將處理后的圖像數(shù)據(jù)讀出。
　　4.2.3手勢識別模塊
　　手勢研究分為手勢合成和手勢識別。手勢識別技術(shù)分為基于數(shù)據(jù)手套和基于計算機(jī)視覺兩大類。本文針對基于視覺的手勢識別技術(shù),手勢是人手或者手和臂結(jié)合所產(chǎn)生的各種姿勢和動作,它包括靜態(tài)手勢(指姿態(tài)，單個手形)和動態(tài)手勢(指動作，由一系列姿態(tài)組成)。靜態(tài)手勢對應(yīng)空間里的一個點,而動態(tài)手勢對應(yīng)著模型參數(shù)空間里的一條軌跡，需要使用隨時間變化的空間特征來表述。
　　本文提出了單目視覺技術(shù)中一種復(fù)雜背景下的手勢分割和識別方法。首先把運動著的手從復(fù)雜的背景中分割出來，然后提取運動和形狀特征參數(shù)，建立手勢的時空表觀模型，采用獨立分布的多狀態(tài)高斯概率模型進(jìn)行時間規(guī)整,最后得到識別結(jié)果，如圖2。
　　

　　圖2 手勢識別框圖
　　手勢分割
　　手勢分割(Gesture Segmentation)是基于計算機(jī)視覺的,是指如何把手勢從手圖像中分離出來。在復(fù)雜背景情況下,手勢分割困難重重,還沒有成熟的理論作為指導(dǎo),現(xiàn)有的算法計算度高,效果也不理想。主要有以下幾種

a)增加限制的方法,如使用黑色和白色的墻壁,深色的服裝等簡化背景,或者要求人手戴特殊的手套等強(qiáng)調(diào)前景,來簡化手勢區(qū)域與背景區(qū)域的劃分。(b)大容量手勢形狀數(shù)據(jù)庫方法,如密西根州立大學(xué)計算機(jī)系的CuiYuntao建立了一個數(shù)據(jù)庫,其中有各種手勢類在各個時刻不同位置不同比例的手型圖像,作為基于模板匹配識別方法的模板。(c)立體視覺的方法,如紐約哥倫比亞大學(xué)計算機(jī)系的Gluckman利用兩個不在同一平面鏡子的反射圖像,計算物體與攝像機(jī)之間的距離,根據(jù)距離信息分割出人手。
　　手部區(qū)域中，膚色概率高于一定閾值的像素用一種符號標(biāo)記，其他像素用另一種符號標(biāo)記。這樣，就可以得到一張關(guān)于手部區(qū)域的二值圖。在二值圖中，手連通區(qū)域里經(jīng)常會包含一些由于圖像噪音引起的空洞。需要對二值圖逐步求精。在此系統(tǒng)中，采用了形學(xué)分析中的小結(jié)構(gòu)閉運算算子對分割圖進(jìn)行處理。通過區(qū)域合并與標(biāo)號的算法，可以計算出手部區(qū)域二值圖中的連通區(qū)域，選取面積最大的區(qū)域作為人手區(qū)域，就得到了平滑后的手部區(qū)域二值圖，進(jìn)而提取手勢輪廓。如圖3。
　　

　　圖3 手勢區(qū)域二值圖
　　②手勢模型
　　手勢模型對于手勢識別系統(tǒng)至關(guān)重要,特別是對確定識別范圍起關(guān)鍵性作用。模型的選取根本上取決于具體應(yīng)用,如果要實現(xiàn)自然的人機(jī)交互,那么必須建立一個精細(xì)有效的手勢模型,使得識別系統(tǒng)能夠?qū)τ脩羲龅慕^大多數(shù)手勢做出正確的反應(yīng)。目前,幾乎所有的手勢建模方法都可以歸結(jié)為兩大類:基于表觀的手勢建模和基于3D模型的手勢建模?；?D模型的手勢建模方法考慮了手勢產(chǎn)生的中間媒體(手和臂),遵循的建模過程:首先給手(和臂)的運動以及姿態(tài)建模,然后從運動和姿態(tài)模型參數(shù)估計手勢模型參數(shù)。
　　③手勢分析
　　手勢分析階段的任務(wù)就是估計選定的手勢模型的參數(shù)。一般由特征檢測和參數(shù)估計組成。在特征檢測過程中,首先必須定位做手勢的主體(人手)。定位技術(shù)有:ⅰ、基于顏色定位:利用限制性背景或者顏色手套。ⅱ、基于運動的定位:這種定位技術(shù)通常跟某些假設(shè)一起使用。例如假設(shè)通常情況下只有一個人在做手勢,并且手勢者相對于背景的運動量很小。ⅲ、基于多模式定位:例如利用運動和顏色信息的融合定位人手,優(yōu)點是能克服單個線索定位的局限。
　　④手勢識別
　　現(xiàn)有的動態(tài)手勢識別技術(shù)可以分歸三類：基于隱馬爾可夫模型(Hidden Markov Models, HMM)的識別,基于動態(tài)時間規(guī)整(Dynamic Time Warping, DTW)的識別,基于壓縮時間軸的識別。我們采取隱馬爾可夫模型來識別手勢，通過幾率的形式來對手勢特征建立相應(yīng)的模型，從而達(dá)到手勢識別的目的。
　　5可行性分析
　　5.1手勢識別算法
　　就目前情況來說，目前手勢識別算法已經(jīng)相當(dāng)成熟。通常手勢識別算法分為兩大模塊，即預(yù)處理模塊和識別模塊。
　　在預(yù)處理階段，主要是對圖像進(jìn)行銳化處理、與背景分離以及消除噪聲等操作。其中，銳化處理的目的是突出手勢圖像的邊緣輪廓，為此，我們采用拉普拉斯銳化算法：
　　

　　這里的fxy和f*xy分別為處理前后對應(yīng)的像素分布。
　　此外，我們分別采用二值化處理和閾值面積消影法來圖像進(jìn)行分離和消除噪聲。
　　在識別階段，主要包括邊界特征值的提取和手勢的最終識別。對手部進(jìn)行特征提取時，我們選用六個自由度，即(x1,x2,x3,x4,x5,x6)。其中，x1：手指個數(shù);x2：指定手指;x3：指間距離集合
　　

　　x4：指定手指關(guān)節(jié);x5：指定手指指根;x6：特定手勢的檢測。
　　對于最終的手勢識別，我們采用結(jié)構(gòu)分類的算法,對不同的手勢特征建立相應(yīng)的數(shù)據(jù)庫，其流程如下圖：
　　

　　圖4 識別流程圖
　　Spartan-6提供了大量的邏輯資源，有高達(dá)14.7萬個邏輯單元，可通過對FPGA的編程實現(xiàn)更多的功能， 多重高效率集成模塊，可以在FPGA中通過編程實現(xiàn)微處理器、存儲管理、RAM管理、總線管理等模塊的構(gòu)建。
　　優(yōu)化 I/O 標(biāo)準(zhǔn)選擇，具有多電壓、多標(biāo)準(zhǔn) SelectIO? 接口 bank，每對差分 I/O 的數(shù)據(jù)傳輸速率均高達(dá) 1,080Mb/s，可選輸出驅(qū)動器，每個引腳的電流最高達(dá) 24mA，兼容 3.3V ～ 1.2V I/O 標(biāo)準(zhǔn)和協(xié)議， 符合熱插拔規(guī)范可調(diào) I/O 轉(zhuǎn)換速率，提高信號完整性;內(nèi)置高速 GTP 串行收發(fā)器，最高速度達(dá) 3.2Gb/s，支持高速接口，包括：串行 ATA、Aurora、1G 以太網(wǎng)、PCI，能夠充分滿足我們所要求的高速數(shù)據(jù)交換的要求。
　　Spartan-6 FPGA擁有定制低功耗專用的 DSP48A1 Slice，可進(jìn)行高性能算術(shù)與信號處理，每個 DSP48A1 Slice 都由專用的 18 x 18 位二進(jìn)制補(bǔ)碼乘法器和 48 位累加器組成，二者均可在最高 390MHz 的速率下運行。DSP48A1 Slice 可提供廣泛而豐富的流水線和擴(kuò)展功能，能夠為眾多應(yīng)用提升速度與效率，甚至超越數(shù)字信號處理的范疇，比如寬動態(tài)總線移位器、存儲器地址生成器、寬總線多路 復(fù)用器以及存儲器映射的 I/O 寄存器文件等。此外，累加器還可用作同步向上/向下計數(shù)器。乘法器能夠執(zhí)行桶形移位。這樣的優(yōu)點可以加以利用，能完成大量數(shù)據(jù)的處理，實現(xiàn)圖像處理與分 析，目標(biāo)抓取，進(jìn)而對手勢進(jìn)行識別。
　　基于算法和硬件兩方面的考慮，我們?nèi)蝿?wù)的核心內(nèi)容就是使這些算法在 FPGA平臺上得以實現(xiàn)。從上述分析可以看出，現(xiàn)在手勢識別算法已日趨完善，加之有Spartan-6這種高性能的FPGA芯片，我們不僅有理由相信，而 且有能力達(dá)到預(yù)期的設(shè)計目標(biāo)。除此之外，我們在日后的設(shè)計中會力求更優(yōu)算法，同時使設(shè)計電路更加合理化，以便使我們設(shè)計的手勢識別系統(tǒng)不斷提高精度和速 度。