圖片操作的手勢動態(tài)識別系統(tǒng)

摘要：為了實現(xiàn)圖片操作命令的手勢輸入，設計了圖片操作的手勞動態(tài)識別系統(tǒng)。系統(tǒng)以ARM(S3C6410)為硬件處理核心，利用數(shù)字圖像處理和嵌入式視覺技術，由攝像頭捕捉幀圖像，經OpenCV技術處理識別后，發(fā)出相應命令，操作顯示屏上的圖片，實現(xiàn)了對圖片非接觸式的縮放和切換操作等功能。進行實驗測試，取得了良好的效果，所提出的設計思想為手語輸入、機器人視覺輸入的方案設計提供了參考。
關鍵詞：手勢識別，圖片操作；ARM；OpenCV；QT／E

0 引言
數(shù)字圖像處理技術是將獲得的低質量圖像利用計算機處理成更適合人眼觀察或儀器檢測的圖像的技術。嵌入式視覺技術是使用攝像機和計算機代替人眼對目標進行識別，跟蹤和測量的技術。因此。數(shù)字圖像處理技術和嵌入式視覺技術被廣泛地應用在基于圖像的識別控制系統(tǒng)中。
當前人機交互的主要信息輸入方式有鍵盤輸入、鼠標輸入、觸摸屏輸入，語音輸入、視覺輸入。對于鼠標、鍵盤和觸屏輸入方式，信息輸入者需要接觸輸入設備，而語音輸入和視覺輸入不需要接觸輸入設備。語音輸入對特定語音識別率較高，非特定語音輸入識別率低，因此語音輸入普適性差；基于視覺的輸入通過攝像頭捕捉手部運動，將手語轉換成對應的命令，實現(xiàn)手勢輸入，這就可以讓人擺脫人機交互時接觸的限制。本文介紹了一種基于ARM的操作圖片的手勢動態(tài)識別系統(tǒng)，利用數(shù)字圖像處理技術和嵌入式視覺技術，通過攝像頭捕捉手勢動態(tài)來操作顯示屏上的圖片，實現(xiàn)以非接觸的方式對圖片進行放大、縮小、切換等操作。

1 系統(tǒng)硬件架構
如圖1所示，手勢動態(tài)識別的硬件系統(tǒng)主要由ARM S3C6410處理器、USB攝像頭、USB控制器、LCD控制器、存儲器控制器等組成。系統(tǒng)由攝像頭獲取手勢動態(tài)的圖片，經過S3C6410處理判斷操作者意圖，對顯示屏的圖片進行操作。

S3C6410處理器的部分硬件特性如下：采用ARM1176JZF-S核，包含16 KB的指令數(shù)據(jù)CACHE和16KB的指令數(shù)據(jù)TCM，主頻最高可達667MHz；
支持TFT 24 b LCD屏，分辨率能支持到1 024×1 024；獨立的USB Host控制器，支持USB Host 1．1；支持(Mobile)SDRAM和(Mobile)DDR SDRAM；具有圖像處理模塊；支持JPEG編解碼功能，最大尺寸為4 096×4 096；支持對YUV420／422和RGB565／888的數(shù)據(jù)進行硬件翻轉。

2 系統(tǒng)軟件設計
系統(tǒng)軟件架構主要由Linux操作系統(tǒng)，OpenCV，QT／E構成。Linux操作系統(tǒng)負責整個系統(tǒng)資源的分配和管理；OpenCV及QT／E完成圖像采集、圖像處理、動作識別、圖像顯示等功能。軟件架構如圖2所示。

2．1 實現(xiàn)原理
本系統(tǒng)以幀差法為基礎，通過記錄兩幀中人手的坐標信息或者面積信息，判斷人手的運動軌跡來操作顯示屏上的圖片。
以顯示屏的左上角為坐標原點建立平面直角坐標系如圖3所示。當人手進入攝像頭捕捉區(qū)域后，攝像頭對人手進行2次拍照，S3C6410對獲取圖像進行預處理，并獲取人手圖片的數(shù)據(jù)信息，將次時刻的圖片數(shù)據(jù)與前一時刻的圖片數(shù)據(jù)進行相應的運算處理，即可判斷人手的運動方向，確定操作者的意圖，從而操作顯示屏上的圖片。