基于电容式低成本手势识别系统设计与实现

兰召根，贾思波，卿高军，谢 博，常 成

（湖北汽车工业学院 电气与信息工程学院，湖北 十堰 442002）

0 引 言

随着物联网、信息技术及智能控制技术的快速发展，人机交互的智能化设备日益增多，而手势识别是人机交互的重要组成部分，被广泛应用于手语识别、交互式娱乐、机器视觉、机器人等领域[1-2]。手势识别的准确性和快速性直接影响人机交互的流畅性和自然性。当前手势识别技术方案较多，主要包括基于图像处理机器视觉的手势识别[3-4]和基于超声传感器或者惯性传感器的手势识别[5-6]。大多数方案对周围环境要求高、成本高，且算法复杂，实现难度大，本文针对上述问题，基于低成本电容式传感器设计并实现了预定手势识别系统，通过检测传感器平面LC谐振频率的变化判断不同的手势信息。

1 系统硬件设计

系统主要由数据采集部分和数据处理部分组成。总体框图设计如图1所示。

图1 系统总体框架

通过DS-9018键盘输入系统工作模式，将电容传感器感应覆铜箔层压板不同手势信息引起的电容变化，通过标准I2C通信接口发送给主控模块，主控根据当前系统的工作模式对接收信息进行训练或者识别处理，并将处理结果发送至TFT液晶屏显示，同时进行语音播报。

1.1 电源模块设计

电源供电模块是嵌入式系统的重要组成部分，其性能将直接影响嵌入式系统能否正常稳定的运行。根据系统主控和其他功能模块芯片对供电特性的要求，往往需要多种不同等级的供电电压。本文根据系统实际功能需求和芯片手册，设计了3种电压等级，分别为12 V，5 V和3.3 V。在具体电路设计和芯片选型时还需综合考虑电源模块应具有比较宽的输入电压范围，比较稳定的输出电压以及持续供电的能力。系统中需要12 V电压供电的模块直接采用12 V锂电池供电，便于系统的安装和调试。

系统长时间运行，电池电压存在一定压差的波动，因此采用具有较宽电压输入范围的 LM2596降压电源管理芯片将12 V电压转为5 V，其输入电压最高可达40 V，并具有3 A输出驱动电流，负载调节能力完全满足系统需求。进一步在输入端加入100 μF的旁路电容来抑制较大的瞬态冲击电压，在输出端加入低通滤波器和多级电容减小输出电压的纹波，其电路设计原理如图2所示。采用三端线性稳压芯片LDO AMS1117将5 V电压转为3.3 V，其内部集成过热、限流保护等模块，可确保系统的稳定性。电路设计原理如图3所示。

图2 LM2596模块原理

图3 AMS1117模块原理

1.2 数据采集模块设计

数据采集部分由FDC2214电容式传感器模块和覆铜箔层压板传感平面构成，根据德州仪器公司提供的技术手册，FDC2214传感器电路使用外部40 MHz晶体振荡器，借鉴官方提供的设计方案，在电源方面采用5 V电压供电。FDC2214传感器电路带有3.3 V降压芯片，可将5 V电压降为3.3 V，为FDC2214芯片供电。使用Altium Designer软件对FDC2214传感器模块进行精简，在简化系统复杂度的同时，避免为系统带来不确定因素，从而提高系统的抗干扰能力[7]。电路原理如图4所示。

图4 FDC2214传感器模块电路原理

传感平面采用两块覆铜箔层压板，水平放置，利用支架隔空固定测试区面板实现手势信息的非接触检测。覆铜箔层压板与FDC2214连接实现数据采集。当手掌靠近测试区时，等效电容值会发生变化。根据电容的物理定义可知，电容值变化的主要影响因素为手掌与铜板之间距离和手掌覆盖铜板的面积，由于测试面板相对于铜板的距离固定，因此可通过手掌覆盖面积识别不同的手势。传感平面示意图如图5所示。

图5 传感平面示意图

2 软件设计

系统数据处理部分主要在主控完成，主控制器选择ST公司出品的STM32芯片，其基于ARM 32位Cortex-M3内核，最高工作频率可达72 MHz，优良的实时性能够很好地满足数据处理及软件算法的要求。

本系统设计了猜拳（石头、剪刀、布）和数字识别（1～5）两种游戏。上电初始化时钟、电容传感器、DS-9018小键盘、TFT液晶显示屏等，根据周围环境自设定阈值[6]，DS-9018小键盘选择系统运行模式。软件流程如图6所示。

图6 软件流程

系统处于训练模式时，测试者根据提示做出相应手势，放置于测试区，系统在极短时间内多次采集测试者的手势信息，经滑动滤波算法和阈值比较之后综合判断此数据是否有效，若有效，则存储相关信息，待判决模式使用；若无效，则提示重新录入手势信息。系统处于判决模式时，测试者在测试区做手势，系统将根据之前训练所保存的手势信息识别此次手势，若识别成功，则判别手势姿态；若识别失败，则提示调整手势，再次放置，重新识别。

3 系统测试

系统硬件经过焊接调试完毕后可进一步测试系统软件功能。确定测试区面板与传感铜板之间的高度，经过多次测量，高度为1.5 cm时数据值变化比较明显，有利于有效数据的分割和提取。确定高度后，对多组不同的测试人员的手势信息进行采集训练，训练完毕后通过数字键盘切换判别模式，对测试人员的手势进行识别。对不同手势识别结果及平均用时的统计见表1所列。

表1 各项测试结果用时统计

由测试结果可知，系统识别时间均小于1 s，总体平均识别率为96.25%，满足了系统的设计要求。

4 结 语

本文基于FDC2214电容式传感器设计了一种低成本的快速手势识别系统，对系统软硬件模块进行了详细设计，通过训练可以快速准确识别测试者的手势信息。经实验验证，系统的实时性和准确率均达到预期目标，然而受限于实验平台，系统还无法满足多种复杂场景下的手势识别，后续将对该内容做进一步的研究。