基于FPGA的動態(tài)手勢識別系統(tǒng)的研究與實現(xiàn).pdf

1、人工智能作為當(dāng)前研究的熱門在當(dāng)前社會以及未來的很長一段時間里會得到大量的應(yīng)用，這從當(dāng)前的各種智能家居以及各種智能單品的熱銷與追捧中不難看出。而人工智能當(dāng)中的一個較大的分支便是手勢識別。目前，動態(tài)手勢識別的識別過程主要包括動態(tài)手勢分割、手勢特征提取和手勢模式識別。所面臨的主要問題是識別的速度和準(zhǔn)確度。為了能夠非?？焖俚倪M(jìn)行手勢分割和手勢特征提取，本文借助FPGA平臺高速高效特性來加速我們的動態(tài)手勢識別前端的處理，而后端的模式識別由于FPG

2、A相對不太擅長復(fù)雜度較高的算法，所以這部分使用PC上位機(jī)來實現(xiàn)。FPGA與PC間的特征值傳遞采用串口的傳輸方式來實現(xiàn)。
　　基于以上背景和當(dāng)前面臨的問題，本文提出了一個基于FPGA的動態(tài)手勢識別系統(tǒng)，并為該系統(tǒng)搭建了一個原型。動態(tài)手勢分割和手勢特征提取由FPGA完成，手勢的模式識別由PC上位機(jī)完成。
　　FPGA平臺上的動態(tài)手勢分割和特征提取主要通過膚色檢測和邊緣檢測來提取手指指尖的位置。在膚色檢測環(huán)節(jié)，環(huán)境光照的非均勻不穩(wěn)

3、定特性對檢測的效果影響非常大，因此本文在當(dāng)前固定閾值膚色檢測算法的基礎(chǔ)上進(jìn)行改進(jìn)，提出了像素級包絡(luò)閾值自適應(yīng)膚色模型來改善膚色檢測的魯棒性。為了提高系統(tǒng)的處理速度和吞吐量，本文設(shè)計了并行雙流水線的視頻流處理架構(gòu)來實現(xiàn)我們的算法。
　　在FPGA平臺提取出位置特征值后，通過串口將特征模式發(fā)送到PC端的上位機(jī)進(jìn)行模式識別。而PC端的上位機(jī)采用麻省理工大學(xué)開發(fā)的開源機(jī)器學(xué)習(xí)庫GRT（Gesture Recognition Toolkit