基于STM8 单片机手势识别器控制电路设计

郑慧珍，沈周锋

（漳州职业技术学院 电子工程学院，福建 漳州 363000）

手势是人们在日常生活中最直观和自然的交流方式，能在特定的场合表达一些特殊的意义，是人类的基本动作之一［1］.随着智能化设计技术发展，手势识别技术在部分消费类产品上的应用已成为一大热点，无论是智能家居、智能可穿戴，还是VR 等方面的应用，都在试图增加这一识别功能，这在丰富产品应用场景的同时，也增加了新的卖点［2］.人机交互的设计越来越受人们青睐，手势识别作为人机交互的一部分，对它的研究具有重要的意义.

1 控制系统的总体设计

根据系统设计的目标，需完成对任意人员手势识别的训练，然后经确认后训练员在感应区域内做出手势，系统便能够给出准确的判断.笔者设计了一套符合系统需求的电路.该电路的系统主要由电源模块、控制模块、检测采集模块和人机交互模块4 部分组成［3］.控制模块采用STM8 单片机作为主控制芯片，STM8 是基于8 位框架结构的微控制器，内部资源丰富，内部自带16 MHz 的RC 振荡电路作为系统时钟.程序执行速度快，一个时钟周期几乎可执行一条指令. FDC2214 芯片是Ti 公司的一款低功耗高精度的电容传感器芯片，其供电电压为2.7～3.6 V，谐振频率从10 kHz 到 10 MHz，数据位数为28 位，即精度为1/228，FDC2214 有4 个采集通道，其与MCU 的通信方式为I2C［4］. FDC2214 电容传感芯片具有4 个检测通道，可作为手势识别的采集器，完成手势识别的采集.另外本系统采用晶联讯电子所设计生产的JLX12864G-086 液晶显示屏来作为人机交互界面，从而完成具有训练模式、判决模式和提示用户如何进行训练模式这样比较复杂的显示界面，该系列的显示屏通信接口采用单向的SPI 接口，与标准SPI 接口完全兼容，同样不需要过多的软件介入.单片机与传感器芯片和显示模块进行数据通信占用CPU 时间片极少，便于系统扩展其他产品功能.系统总体框架见图1.

图1 系统总体框图

2 系统软硬件设计

整机硬件电路见图2.系统由单片机的最小系统及其外围电路构成，采用内部振荡器作为时钟信号，无需外部晶振.J1 接口作为单片机的程序烧写和在线调试接口，连接ST-LINK 调试器即可完成程序的单步执行和在线调试.通过观察单片机内部寄存器的变化情况来调整程序参数，以便于修改程序中存在的bug.系统采用单片机内部集成的I2C 单元与FDC2214 通信，大大增加了I2C 通信的速度，接口时钟频率选取1 MHz，几十微秒即可完成一次数据读写.采用单片机内部自带的SPI 接口单元与12864 屏幕通信.接口时钟频率采用4 MHz，大大加快了屏幕刷新的速度.单片机在训练模式下采集各种手势对应的4 个通道数据，存入单片机EEPROM 中.EEPROM 具有断电保存功能，保证用户训练数据永久保存，无需扩展外围存储芯片.每种手势采集3 次，提高识别的稳定度.在判决模式下采集实时的数据，与训练数据进行比对，完成手势识别.下面对主要模块FDC2214 电容式感应模块来进行阐述.

图2 整机硬件电路

2.1 FDC2214 电容式感应模块

检测采集模块采用电容式传感芯片FDC2214.电容式感应是一种低功耗、低成本、高分辨率非接触式感应技术，适用于接近检测、手势识别、远程液位监测等应用场景.电容式传感模块，以其低成本、高度灵活等特点，具有广泛的应用范围.限制电容式传感器主要问题在于噪声敏感性度过高. FDC2214 采用创新的抗EMI 技术架构，在高噪声环境中仍能保持较好的精度.它是面向电容式传感的解决方案，具有抗噪声、抗电磁干扰、高分辨率、高速、多数字化通道等特点.该芯片采用基于窄带技术的创新型架构，可对噪声进行高度抑制，在高速情况下仍保持高分辨率. FDC2214是基于LC谐振电路原理的电容检测传感器［5-6］，其基本原理见图 3. FDC2214 的特点是最大输出速率（一个活动通道）4.08 ksps；最大输入电容是250 nF（10 kHz，1 mH 电感）；传感器激励频率是10 kHz 至10 MHz；通道数量4 个；分辨率28 位；系统本底噪声是100 sps 0.3 fF；2.7～3.6 V 的电源电压；有效功耗为2.1 mA；低功耗睡眠模式35 uA；关机电流200 nA；数据接口采用I2C.

图3 FDC2214 电路原理图

设计采用FDC2214 芯片作为核心来设计手势识别器.该芯片内Resonant circuit driver 单元和芯片外L和C 组成的并联谐振电路组成振荡电路（见图3）.振荡频率f ≈1/2/π/sqrt（L*C），当物体接近电容一极时，C 的值发生变化，从而影响振荡频率f.传感器芯片实时的监测4 个振荡电路的频率，并转换为28 位位宽的数字信号.不同的物体接近极片，由于形状、距离和介电常数的不同，C 变化量有所不同，振荡频率变化量也将不一样.因此整机训练模式所得数据，可以大大提高了对人手的识别正确率.手势特征点总共包括5 根手指和一个手掌，而FDC2214 只有4 个电容检测通道.为了降低成本，本设计采用通道复用的方式，完成1 片FDC2214 检测6 个特征点.笔者设计的四路传感器分布见图4，当手接近电容一极时，该极片对地电容发生微弱变化，从而改变谐振频率.设计时在感应面板下方安装一定数量的极片，若食指接触感应面板时，通道2 的谐振频率会降低一定值，若此时手掌也接近感应面板，通道2 的谐振频率会降低更大的值，同时通道1 的谐振频率也会下降一定值（见图4）.大拇指和半个手掌采用通道1 来检测.用户出示手势时，只有手掌贴合检测面和拇指手掌同时贴合检测面，所引起的通道1 频率变化值不同，软件可以通过检测通道1 的变化量大小判断拇指.通过判断4 个通道的谐振频率值的减小情况，即可判断五根手指和一个手掌的接近情况，即可判断出当前手势.

图4 感应面板极片位置示意图

2.2 系统软件设计

系统程序总体设计见图5，各单元初始化完毕后先判断是否是训练模式.若标志位等于1，则进入训练模式，否则进入判定模式.在训练模式下采集4 个通道的值，并对这4 个通道的数据进行预处理，每个通道采样3 次并取得平均值Kn，然后等待确认键按下，再将数据存入相应的训练数据缓存中.然后刷新屏幕，提示用户出示特定手势供下一轮的数据采集，待所有手势训练已经结束后返回.在判定模式下，需要对采集到的手势值进行比对，从而获得正确手势并进行显示.手势识别算法的编程思路是基于K-NN模式识别算法（邻近算法）设计的［7-8］.将各通道采集的数值Xn 与各通道的训练数据Kn 相减后取绝对值，然后再相加得到Zn.其表示当前手势与训练手势的相似度，值越大则相识度越低.对比实时数据与各组训练数据相似度，即可判定当前手势，最后液晶屏显示手势.

图5 系统软件控制流程图

3 测试与小结

不同使用者，手掌的粗糙程度不同，手掌大小和手指长短都存在个体差异，因此设计如下测试方案：选取10 个测试员，其中5 个男性，5 个女性，手掌大小不一.对测试器进行了多次重复的测试：先让10 个人分别进行手势1（测试采用猜拳）训练和手势1 判决，然后10 个人分别进行手势2（测试采用划拳）手势训练和手势2 判决.选取一人作为指导员，指导测试员手势的放置.

经测试，10 人在面板手型图案的指导下进行的测试，按规定放置手势，每人测试10 次，多数情况均可在1 s 以内判决出手势成功率达到100%.偶尔手势安放位置偏差大于1 cm，判决结果会出错.测试结果见表1.

测试结果表明：用户按要求安放手势，1 s 内，可以实现手势识别；对不同粗糙程度和成年人手型不同大小，均可以完成功能目标.基于本设计成果，可广泛应用于智能家居系统或企业门禁的人机交互界面.通过识别出的手势控制电视、空调、照明灯等一系列家电，真正实现手势识别在实际中的应用.

表1 测试正确率