张瑜 王世东 马艺珊 黄嫒

当前许多科学领域的研究热点，是如何使人机交互变得更加方便高效、操作简单。在人机交互领域中，手势识别技术是关键性技术之一，随着科技的日益更新，它也跟随着科技的发展而发展，一直在保持着变化。

当前，手势识别技术发展非常迅速，已经被广泛应用于虚拟环境、自动捕捉以及多媒体用户界面等诸多领域，起到了很好的效果。随着社会的发展，各种产品都愈加重视用户体验，手势识别可以带给人们更好的体验，因此获得了广泛的应用。基于传感器加速硬件的手势识别技术是一种常用的手势识别技术，但是具有价格昂贵以及可能会影响人体健康等问题，因此一种更加简单、造价低、对人体没影响的手势识别技术成为研究的重点。离线人机交互可以满足这一需求，基于视觉的手势识别技术不需要应用中间媒体，通过手势就可以和机器进行直接的交流，不需要外界设备使其应用非常高效、方便，可以给用户带来非常好的使用体验。

手势识别系统具有多样化的应用场景，有些是动态的、有些是静态的。但目前大多应用是都是静态，因为当前动态手势识别系统还存在一些问题，需要加强研究。

手势识别系统总体设计

在设计方面采用嵌入式平台，具有简单、体积小和成本低等优点，可以降低手势识别系统的成本，提高便携性。

手势识别过程如下：通过摄影机采集各种图像，同时还要对采集的图像进行提前加工，采集手势图像的特征信息，然后将提取到的信息和手势模板库进行配对，确定手势的编号和意义。

V4L2接口

V4L是系统内核中和饰品设备有关的子系统，能够为Linux下的视频驱动提供接口，通过应用这一接口，可使应用程序通过统一的API函数实现对不同设备的操控，降低视频系统开发难度，使维护更加便捷。早期V4L功能不完全、漏洞多，因此进行了重新设计，设计除了Video for Linux 2（V4L2），现在有Linux2.5.X版本。

图像预处理

手势图像去噪

在进行动作视频的收集时，系统可能是移动的，因此获得的手势图像不可避免地会受到干扰，包括外部环境光强度的变化和相机抖动，会造成获取的对象和信息库中的图像存在差异，因此需要对收集到的手势图像进行降噪处理，从而更加准确地进行识别，提高图像识别率。图像中相邻像素的灰度值具有较高的相关性，如果图像是顺滑和自然的，像素相关性越高，反之，则像素相关性越低。基于这一原理，采用加权平均值滤波的方式，能够很好地实现手势图像的降噪。

圖像阈值分割

在获取的视频流图中，需要采集的手势目标灰度值与当前背景的灰度值之间有明显差异，因此一般要应用阈值分割等算法对目标区域进行处理。实际处理过程中，在手势目标与图像背景之间通常会存在一个或多个分割阈值，为了获得更加清晰的手势目标区域图像，需要应用多个阈值元素来进行处理，在获取完整手势信息的前提下，最大程度上抑制噪声。

系统设计与实现

手势识别系统软硬件环境

本文设计的手势识别系统选择Ubuntu系统，采用QTOPIA 2.2.0进行图形界面开发，应用OpenCV2.4.3作为图像识别辅助工具。

ARM开发板为手势识别系统的基本开发环境，64 mm×85 mm液晶触摸屏采用USB2.0接口的摄像头。

基于V4L2的视频采集

V4L2是对V4L的重新设计，在此基础上相当于是一个全新的编程接口。V4L2采集视频数据的过程如下：

系统开启后，进行系统初始化，启动视频设备，并查询视频设备功能，进行视频格式和窗口大小的设置。完成之后申请内存缓冲区，查询设备缓冲区大小和偏移地址，建立内存映射，然后向队列添加缓冲区。之后，开始进行视频采集，获取采集图像，进行视频图像的读取和存储，然后释放内存。最后，关闭视频设备，结束视频采集。

手势识别实验

经过训练之后的10种手势模板及改进后Canny算子可以得到清晰的手势轮廓图像。

当前，手势识别技术在PC端已经获得了广泛应用，但这种技术的问题是实用性和便携性差。通过应用USB摄像头来采集视频信息，提取和识别视频流中的手势，能够提高这一技术的便携性和实用性，为应用手势进行人机交互控制奠定基础。本文进行了在嵌入式系统的基础上实现手势识别的设计，通过对系统进行验证和分析，手势识别系统具有良好的实用性。