基于FDC2214的手势识别实验装置设计开题报告

 2020-02-10 10:02

1. 研究目的与意义(文献综述)

手势识别是计算机科学和语言技术中的一个主题,目的是通过数学算法来识别人类手势。 手势可以源自任何身体运动或状态,但通常源自面部或手。 本领域中的当前焦点包括来自面部和手势识别的情感识别。 用户可以使用简单的手势来控制或与设备交互,而无需接触他们。姿势,步态和人类行为的识别也是手势识别技术的主题。手势识别可以被视为计算机理解人体语言的方式,从而在机器和人之间搭建比原始文本用户界面或甚至gui(图形用户界面)更丰富的桥梁。

最初的手势识别主要是利用机器设备,直接检测手胳膊各关节的角度和空间位置。这些设备多是通过有线技术将计算机系统与用户相互连接,使用户的手势信息完整无误地传送至识别系统中,其典型设备如数据手套等。数据手套是由多个传感器件组成,通过这些传感器可将用户手的位置手指的方向等信息传送到计算机系统中。数据手套虽可提供良好的检测效果,但将其应用在常用领域则价格昂贵。其后,光学标记方法取代了数据手套将光学标记戴在人手上,通过红外线可将人手位置和手指的变化传送到系统屏幕上,该方法也可提供良好的效果,但仍需较为复杂的设备。

外部设备的介入虽使得手势识别的准确度和稳定性得以提高,但却掩盖了手势自然的表达方式为此,基于视觉的手势识别方式应运而生视觉手势识别是指对视频采集设备拍摄到的包含手势的图像序列,通过计算机视觉技术进行处理,进而对手势加以识别。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

基本内容:该系统主要由控制器和人机界面组成。该控制器采用ARM Cortex-M4内核的STM32F407VGT6微控制器作为主控芯片。人机界面主要由FDC2214传感器芯片、OLED显示屏和键盘组成。在两个FDC2214芯片检测到外部电容值后,该装置通过卡尔曼滤波获得了8组稳定数据。每个手势的概率由BP神经网络计算,最后由OLED显示结果。该装置可以通过反馈来训练BP神经网络的权重,并确保不同人手势识别的正确率。该装置具有结构简单、识别精度高、学习和训练的优点。

目标:实现简单的手势识别,如“1”-“5”和“石头”、“剪刀”、“布”手势的确定和训练。

拟采用的技术方案和措施:

A硬件

中央处理器采用STM32F407。STM32F407系列芯片具有低功耗、高程序运行效率和高性价比的优点。同时,有足够的片内资源来提供手势识别和人机交互条件。

利用Altium design软件进行pcb板的设计。使用8块面积相等的检测板,两行排列成一个覆铜板阵列来检测手势。

手势识别设备系统的整体框图

B软件

FDC2214传感器通过I2C总线与单片机通讯。

信号抗干扰处理: FDC2214信号的通道线被接地线覆盖,测试区域内的铜包板周围被接地线包围,以屏蔽外部环境[ 5 ]的噪声。

数据处理:由于环境的影响,传感器采集的数据波动很大,上下波动可以达到8000,这极大地影响了测量的准确性。因此,使用卡尔曼滤波方法,基于收集的数据和预测值获得最接近实际值[ 6 ]。通过调整协方差计算的权重,数据曲线的平滑度被改变,最终波动被控制在300左右,灵敏度也满足[ 7 ]的要求。FDC2214收集的值是LC振荡产生的频率。根据PCB板设计的L值和C值以及收集的数据,可以找到外部电容器的尺寸:

Cx=1(2πf)2L-C

其中f是谐振频率,L是通道并联的电感,C是并联电容器的尺寸。已经发现,在没有人为干扰的情况下,FDC2214的采样数据具有零漂移和大波动。为了获得准确的数据,采用了零点漂移处理算法。零点漂移处理算法的原理是,初始化FDC2214后,对10组稳定数据进行平均,并将该值用作FDC2214的初始基值,记录为Finitial(0)。 Tth时间采集的数据是样本Fsample(t)。取更小的比例参数Kp,并在设置阈值th,当Finitialt-Fsampletlt;th,那么确定传感器位于外部干扰状态,并更新FDC2214的基值:

Finitialt 1=Finitialt Finitialt-Fsamplet*Kp

Finitialt-Fsampletgt;th时,当物体靠近传感器,此时无法判断零点漂移量,并且基值不会更新。实际效果图如图2所示。在图中,波动较大的白线是FDC2214采样数据与基值的偏差,波动较小的红线是零点漂移处理算法处理的效果。根据实际偏差,该装置可以很好地适应零漂移条件,传感器测量的实际值可以更精确地计算出[ 8 ]。

判断模式下的猜测判断结果

数字

手势

结果

时间

1

"石"

"石"

0.634

2

“剪刀”

“剪刀”

0.774

3

"布"

"布"

0.698

笔画模式下的判定结果

数字

手势

结果

时间

1

"5"

"5"

0.664

2

"3"

"3"

0.711

3

"2"

"2"

0.763

在训练模式下猜测手势训练结果

模式

训练

Mora

手势训练

次数

平均训练时间

判断结果

判断时间

“石头”

2

0.885

“石头”

0.653

“剪刀”

2

0.956

“剪刀”

0.772

“布”

2

0.734

“布”

0.506

训练模式下的训练结果

模式

训练

Mora

手势

训练次数

平均训练时间

判断结果

判断时间

“1”

2

0.648

“1”

0.612

“2”

2

0.773

“2”

0.711

“3”

2

0.876

“3”

0.793

“4”

2

0.882

“4”

0.772

“5”

2

0.712

“5”

0.645

3. 研究计划与安排

周 次【2019】

工 作 内 容

毕业设计预备周 (2019.1.3-2019.1.18)

确定指导教师人选,对未选好导师的学生进行调剂分配。确定选题志愿、校内搜集资料、消化资料。

1~ 2 (2.18~3.1)

学生提交文献检索摘要。撰写开题报告。并完成网上提交开题报告。整理论文提纲、设计概要。

3~ 4 (3.4~ 3.15)

进行外文翻译,并提交外文翻译译文。

5~ 6(3.18~3.29)

研究类,制定试验方案或下达编程任务,开始试验及编程。

7~ 8(4.1~4.12)

撰写论文

9 ~ 11(4.15~4.26)

完善毕业论文

12(4.29~5.10)

网上提交毕业论文等附件材料;提交答辩申请。

13~14(5.13~5.24)

教师审阅毕业设计论文,审查确定学生答辩资格并予以公示。

15(5.27~5.31)

根据评阅意见修改毕业论文,并网上提交;准备答辩PPT。

16(6.3~6.7)

毕业设计答辩。

备注:

此表是拟定时间。如有变化,以实际为准。

4. 参考文献(12篇以上)

[1] 孟浩杰,王 勇,吴朋华,等.基于电容传感的嵌入式人体手势识别系统[j].电子技术,2018,(10):18-20

[2] 高泷森,王磊,孟凡超,等. 基于fdc2214电容传感器的手势识别系统[j].电子科技,2018,31(10):76-78

[3] 郭霞,谭亚丽,申淼.基于fdc2214的手势识别系统[j].传感器与微系统,2018,37(12):90-92

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。