基于MEMS加速度传感器的手势语识别系统

MEMS相关的技术资料!

孤凳蔫器蟊

信息科学

１７

基于ＭＥＭＳ五ＩＩＩ速度传感器的手势语识别系统

张晓娜，程卫鹏，石秀娟

（东北林业大学机电工程学院，黑龙江哈尔滨１５００４０）

摘曩提出了一种甚于ＭＥＭＳ：｝ＪＩＩ速度传感器的手势语识别方案，重点阐述了系统的硬件组成和软件设计，分析了手势语识别的难点．为了提高识别精度建立了系统识别目标库。与传统识别系统相比，该系统体积小，便利。试验结果表明：该系统具有较高的准确度和可靠性，可以进一步的研究推广。努力实现聋哑人与健全人之间的无障碍交流。关键诩微机电系统；加速度传感器；手语识别；数据手套中圈分类号ＴＰ２１２．９

文献标识码Ａ

文章编号１６７３－９６７１－（２０ｌｏ）０３１—００１７－０１

手势识别系统主要是指识别手势静止时的空间三维信息和手势动作

运动过程的轨迹信息。基于ＭＥＭＳ的加速度传感器具有测皱动态和静态加速度的双萤功能。可以在对手指运动过程进行跟踪识别的同时，利用其静态加速度的测量来检测手势的方向性。本文采用ＭＸＲ９５００三轴加速度传感器作为检测器件，实现了对手指的运动方向、运动轨迹、运动行程以及手指之间的角度关系进行全面检测的手势语识别系统。

出加速度信号的变化来榆测动作的开始。系统榆测到手指运动信品后会

跳出等待程序开始执行轨迹检测及记录，同时不停地检测运动结束信

号，在进行数据检测和记录的同时，同步进行数据的量化以减少系统数据存储卒问。当柃测到动作结束后，结束识别进入模型对比程序。通过当前量化的结果与之前建立的识别日标的静态模型和动态模型进行对

比。最终得出识别结果，然后通过音频播放电路输出。

２．１系统识别目标静态库的建立

采集做完各个手势语后的传感器输出信号值。如识别目标中比较

简单的字母ｕ，其手势语动作如图１所示。当手势语为ｕ时采集回来的数据如：手背传感器：｛０ｘ０１ｄ３、０ｘ０２９ｅ、０ｘ２０２｝；大拇指：ｆｏｘ０２１０、ｏｘ０２ｂ２、０ｘ０１ｅｅｌ；食指：ｆＯｘＯｌｃ３、０ｘ０２ｃｆ、０ｘ０２０ｅ｝；中指：（０ｘ０２１０、０ｘ０２ｃ４、Ｏｘ０１ｅＯｌ；无名指：｛０ｘｏｌｆ３、０ｘ０２ａｅ、Ｏｘ０１ｅｅ）；无名指：｛０ｘ０１ｄ８、０ｘ０２ｄｄ、ＯｘＯｌｅ４｝。

通过６个传感器的Ｙ、Ｘ、Ｚ轴的值的比较，明显Ｙ轴的值要比其余两

个轴的值大很多。这是因为手指足垂盏的所以芯片内部的热气团浮向Ｙ轴的正方向，从而Ｙ轴方向的静态加速度最大。输出电压也就最大。根据上述特点来建屯系统识别目标的模型库。当输出的Ａ／Ｄ转换结果大于设置的最大门限值时，将输出的Ａ／Ｄ转换结果量化为２，当小于设置的最小值时则量化为Ｏ，其它值则量化为ｌ。故字母ｕ可以通过数组

图１汉语手指语拼音字母示意图

Ｍ１【１８１＝｛ｌ，２．１，１，２，１，ｌ，２，１，１，２，１，ｌ，２，１，ｌ，２，ｌ｝表示。１表示这个轴相对于重力加速度不是垂直向下也不是垂直向上的，２表示相对于重力加速度是垂直向上的，而Ｏ表示垂直向下的。数－绊］＿ＭＩ［１８】

的各个元素的顺序依次足各个传感器的Ｘ、Ｙ、Ｚ轴的输出鼙化情况。

２．２系统识别目标动态库的建立

通过上述方法还不能识别ｍ所有的识别目标。如字母Ｆ、Ｇ、Ｅ、Ｚ、ｚＨ、ＮＧ等，其手势图如图ｌ所示。经３．１中介绍的方法量化后，除拇指以外的四个指头的结果是相同的，全都是ｘ轴的值最小，数组为Ｍ．ｆ１８１＝｛０，ｌ，１，ｌ，１，２，０，ｌ，ｌ，０，ｌ，１，Ｏ，ｌ。１，０，ｌ，ｌ｝。所以还需要进一步识别手指的弯曲程度，即手指运动状态的测蹙。

手指运动状态测量采用动态加速度测量的方法，系统中主要是区别手指是否弯曲。方法是将手指弯曲程度根据前后两次测艟结果的差值量

化成数字量。这样就为个别字母增加了一个动态识别库Ｍ，，元素中用０表示手指没有伸出，用ｌ表示手指伸出。３结论

本文研究的摹于ＭＥＭＳ的加速度传感器手势语识别系统，利用ＭｘＲ９５００ｉ轴加速度传感器测量动、静态加速度的双重功能，准确地获得了手势语的空间＝ｉ维信息和手指的运动信息。同时系统具有目标数据更新功能，可以扩展更多的识别目标。试验结果表明：该系统的识别准确率较高，运行稳定，将为手势语的识别提供一种新思路。参考文献

【１１胡友树．手语识别技术综述【Ｊ】．科技论坛，２００５，２：４０－４１．

【２］ＬｉａｎｇＲＨ，Ｏｕｈｙｏｕｎｇｆｏｒ

ｓｉｇｎ

Ｍ．Ａ

ｒｅａｌ－ｔｉｍｅｃｏｎｔｉｎｕｏｕｓｇｅｓｔｕｒｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍ

Ｃｏｎｆｅｒｅｎｃｅ

ｏｉｌ

圃目固围圈国圃囝圈囫圈园图圆圈图圆囹圈圆圈圃圆囹图围圈圆圈图

图２系统组成框图

１硬件电路设计

系统由安装在五个手指和手背的ＭＸＲ９５００传感器最小系统电路、

ｌａｎｇｕａｇｅ［Ｃ］．Ｔｈｉｒｄ