何 鵬， 王連鵬， 楚艷紅

(齊齊哈爾大學通信與電子工程學院，黑龍江齊齊哈爾161006)

0 引 言

作為移動通信終端產(chǎn)品的智能手機是實現(xiàn)三網(wǎng)融合業(yè)務的重要載體，在激烈的手機市場競爭中，融合了計算機視覺技術(shù)的智能手機是提升競爭力的主要途徑之一[1]。本文在基于Linux操作系統(tǒng)的智能手機上[2]，以Intel公司的開源計算機視覺庫(opensourcecomputervision，OpenCV)為基礎函數(shù)庫，開發(fā)了智能手機手勢識別控制應用系統(tǒng)。對于決策部分的實現(xiàn)，本文以手機中音樂播放應用程序為例，實現(xiàn)了通過手勢開啟音樂播放軟件的功能。本系統(tǒng)的基礎上還可以擴展很多功能，如自拍功能，即通過手勢開啟手機的自拍功能，使用戶擺脫了限于規(guī)定時間啟動拍攝的束縛等。本系統(tǒng)豐富智能手機的實用功能，將大大提高了在智能手機產(chǎn)品中的競爭力。

1 機器視覺及OpenCV開發(fā)環(huán)境

1.1 機器視覺

隨著信號處理和計算機技術(shù)的發(fā)展，利用攝像機獲取數(shù)字圖像，再用計算機實現(xiàn)對視覺信息處理的過程就是計算機視覺[3]。機器視覺則是建立在計算機視覺的基礎之上，偏重于計算機視覺技術(shù)的工程化，重點在于感知環(huán)境中物體的形狀、位置、姿態(tài)和運動等幾何信息。一個機器視覺系統(tǒng)應該能夠自動獲得數(shù)字圖像，對圖像中的特征量進行處理、分析和測量，從而得到對目標物體的某種認識并做出相應的決策[4]。

1.2 OpenCV簡介

OpenCV，即開放源代碼計算機視覺庫，是英特爾公司資助的兩大圖像處理利器之一，它內(nèi)嵌圖像處理、模式識別、三維重建、物體跟蹤、機器學習和線性代數(shù)，提供了各種各樣的算法。OpenCV采用C/C++語言編寫，可以運行在Linux/Windows/Mac等操作系統(tǒng)上，OpenCV還提供了 Python、Ruby、MATLAB以及其他語言的接口。OpenCV的一個目標是構(gòu)建一個簡單易用的計算機視覺框架，以幫助開發(fā)人員更便捷地設計更復雜的計算機視覺相關(guān)應用程序?；窘Y(jié)構(gòu)主要由CXCore模塊、CV模塊、HighGUI模塊和ML模塊構(gòu)成[5]。

由于OpenCV采用C/C++語言編寫而且都是經(jīng)過優(yōu)化的，所以基于OpenCV開發(fā)的程序有很高的運行效率，將它應用于機器視覺系統(tǒng)的開發(fā)會大幅提高系統(tǒng)的性能，非常適合智能手機這類嵌入式設備的性能需求[6]。

1.3 OpenCV開發(fā)環(huán)境的搭建

為了宿主機編譯出的程序能夠在目標平臺ARM(advanced RISCmachines)上運行，這里需要使用ARM的交叉編譯器armlinux-gcc重新編譯OpenCV源碼。本系統(tǒng)宿主機使用的Linux版本是Ubuntu 9.10，交叉編譯器版本為arm-linux-gcc 2.95.3。

(1)首先需要在Ubuntu系統(tǒng)中安裝所需的依賴庫

所需的依賴庫有manpages-dev、pkg-config和zlib1g-dev。

另外，還需要到http://downloads.sourceforge.net分別下載libpng、libjpeg和libz源碼包進行編譯安裝。

(2)配置OpenCV安裝信息

在終端窗口進入解壓后的OpenCV目錄下，運行如下配置命令：

這里使用參數(shù)--enable-static--disable-shared來生成靜態(tài)庫。

(3)編譯、安裝

sudo make

sudo make install

2 系統(tǒng)結(jié)構(gòu)

本系統(tǒng)開發(fā)測試使用ARM 9開發(fā)板，它采用Samsung公司的S3C2410微處理器，SDRAM 64MB，NAND Flash 64MB，NOR Flash 2MB，10/100M以太網(wǎng)口，USB接口等，系統(tǒng)相關(guān)的主要外設為TFT液晶屏和基于OV511芯片的USB攝像頭。系統(tǒng)軟件部分，系統(tǒng)引導程序Bootloader使用采用由德國DENX小組開發(fā)的U-Boot 1.1.4，Linux內(nèi)核版本為2.4.18，對于液晶屏和USB攝像頭的驅(qū)動以動態(tài)模塊方式加載。

系統(tǒng)上電后直接從0x00000000處開始執(zhí)行，此處是Nor Flash的起始地址，裝有Bootloader系統(tǒng)引導程序，由于Nor Flash具有芯片內(nèi)執(zhí)行(execute in place)的特點，所以U-Boot的第一階段代碼直接在NorFlash中執(zhí)行，首先對SDRAM、Flash大小自動檢測，SDRAM的故障檢測，CPU型號檢測等。然后引導它的第二階段代碼到SDRAM執(zhí)行，它把Linux內(nèi)核引導到SDRAM執(zhí)行，Linux內(nèi)核程序完成自解壓與重定位，最后掛載根文件系統(tǒng)，執(zhí)行手機服務程序。系統(tǒng)架構(gòu)圖如圖1所示[7]。

3 手勢識別控制應用程序的設計與實現(xiàn)

3.1 訓練哈爾 (Haar)特征的分類器

利用OpenCV來訓練一個Haar特征[8-10]的分類器，它是一個級聯(lián)的boosted分類器[11-13]。每一級的子分類器則由積分圖像計算得到許多Haar特征構(gòu)成，并且每個特征帶一個閾值和兩個分支值，每級子分類器帶一個總的閾值。訓練一個Haar分類器分為準備正負樣本、創(chuàng)建正樣本集和訓練分類器得到訓練模型。

圖1 系統(tǒng)架構(gòu)

3.1.1 樣本準備

首先要建立所需的工作目錄，即在home/wlp/opencv/下建立hand-defect_control目錄，進入此目錄，再建立img和_img目錄。

(1)正樣本圖片及其描述文件的建立

本次實驗使用了100張不同人物的同一種手勢的圖片，將其用圖像編輯軟件剪裁成長寬各20個像素大小的圖片，格式為JPEG，文件名分別為 img1.jpg、img2.jpg、…img100.jpg。將它們存于hand-defect_control/img目錄里。

在hand-defect_control目錄下建立文本格式的描述文件，命名為info.txt，并將100張樣本圖片的描述信息寫入此文件。其中每一個文本行對應一個樣本圖片的信息，每行的第一個元素是圖片文件名(帶路徑信息)，第二個元素是對象實體的個數(shù)。后面緊跟著的是與之匹配的矩形框(x,y,寬度，高度)。例如img/img1.jpg 1 0 0 20 20。

(2)負樣本圖片及其描述文件的建立

這里使用了200張不含手勢特征的風景照片，處理為長寬各400像素大小圖片，負樣本圖片的尺寸大小只要大于等于正樣本圖片尺寸即可。格式為JPEG，文件名分別為bg1.jpg、bg2.jpg、… bg100.jpg。將它們存于hand-defect_control/_img目錄里。負樣本描述文件的創(chuàng)建方法同正樣本描述文件，在handdefect_control目錄下建立名為bg.txt文件，將200張負樣本圖片的描述信息寫入此文件，這里僅描述文件名即可。如_img/bg1.jpg。

3.1.2 正樣本創(chuàng)建

正樣本由opencv-createsamples程序來創(chuàng)建。它是OpenCV自帶的可執(zhí)行文件，編譯安裝完OpenCV后可在安裝路徑下bin目錄下找到它。在終端窗口進入hand-defect_control目錄鍵入如下命令：

opencv-createsamples-vec hand.vec-info info.txt-bg bg.txtnum 8-w 20-h 20

在當前目錄下便生成正樣本文件hand.vec，這是HaarTraining訓練時所需輸入的vec文件。

3.1.3 訓練分類器

樣本創(chuàng)建之后，接下來要訓練分類器，這是由opencv-haartraining程序來創(chuàng)建，該程序同opencv-createsamples程序一樣也是由OpenCV給出，并且在相同的路徑下可以找到。終端命令行進入hand-defect_control目錄鍵入如下命令：

opencv-haartraining-data/home/wlp/opencv-workshop/handdefect_control/data-vec hand.vec-bg bg.txt-npos 8-nneg 10-w 20-h 20

執(zhí)行完后分類器信息將保存到xml文件中，就是當前目錄下生成的data.xml文件。下面的應用程序中將調(diào)用這個分類器對輸入的圖像信息進行識別。

3.2 手勢識別控制算法分析

當用戶開啟本手勢識別控制應用程序后，此應用程序使用函數(shù) cvLoad載入上節(jié)訓練的分類器文件 data.xml，再用cvCaptureFromCAM函數(shù)獲取攝像頭來采集視頻圖像，cvGrab-Frame函數(shù)可以從輸入的視頻流中抓取一幀圖像，由于Haar特征是基于灰度的，所以cvCvtColor函數(shù)將這幀圖像轉(zhuǎn)換為灰度圖像，這時調(diào)用cvHaarDetectObjects函數(shù)來檢測目標圖像，此函數(shù)首先采用與訓練時同樣大小的搜索窗口去遍歷整幅待檢測圖像，窗口每移動到一個位置處，便調(diào)用一次cvRun-HaarClassifierCascade函數(shù)進行檢測，計算窗口內(nèi)的Haar特征，加權(quán)后與分類器中的Haar特征的閥值進行比較，由比較結(jié)果來確定是左還是右分支值，再將得到的所有分支值累加后與當前級的閥值相比較，當大于該閥值時才可以進入下一級的篩選，當通過所有級的時候即可認為此目標手勢以大概率情形被命中。然后，為了搜索待檢測圖像中不同大小的目標手勢，還要按一定的比例擴大搜索窗口(如本例采用比例系數(shù)為1.1，每次將搜索窗口擴大10%)再對待檢測圖像進行遍歷檢測。最后，當檢測到目標手勢時分類器輸出為1，啟動音樂播放應用程序或其它操作，否則進行下一幀的圖像檢測。程序流程圖如圖2所示。

圖2 程序流程

3.3 編譯與移植

在shell下，用cd命令進入手勢識別控制程序的源代碼hand-defect_control.c所在的目錄，鍵入如下交叉編譯的命令：

arm-linux-gcc hand-defect_control.c-static-L/usr/local/armopencv/lib-I/usr/local/arm-opencv/include-o hand-defect_control

在當前目錄下便生成了 hand-defect_control.out可執(zhí)行文件。由于本系統(tǒng)的運行環(huán)境是在嵌入式設備上，所以這里要加參數(shù)-static，用靜態(tài)庫鏈接的方式是在程序編譯時就將所需的庫一同編譯到目標代碼中，這種方式在嵌入式設備上具有很多優(yōu)點，如運行速度比動態(tài)加載要快，減少對環(huán)境的依賴，使用簡單等。將hand-defect_control.out加入根文件系統(tǒng)中，再將根文件系統(tǒng)下載到開發(fā)板中就可以運行了[14]。

3.4 運行結(jié)果分析

本程序運行后抓取幀數(shù)據(jù)進行識別，以當前幀的灰度圖像為例，如圖3所示。圖3中人物的手勢即為訓練Haar特征的分類器所能識別的目標，所以此幀圖像應該被本程序正確識別并執(zhí)行相應的決策動作。圖4中的Debug Message提示的內(nèi)容是為方便結(jié)果分析而在源程序中加入的若干調(diào)試信息，對這幀圖像處理后便在命令提示符下輸出如圖4所示的信息，可見已經(jīng)成功識別并啟動了音樂播放程序Madplay，調(diào)試的語句使用了getpid函數(shù)獲取了hand_defect_control進程及其啟動的Madplay進程的進程號，分別為1752和1753。

圖3 抓取幀灰度圖像

圖4 調(diào)試信息輸出

Linux中的系統(tǒng)管理命令ps可以顯示當前系統(tǒng)中的進程列表，在列表中可以找到hand_defect_control和Madplay進程的詳細信息如圖5所示，圖中第二列既為進程的進程號，可知這兩個進程號分別為1752和1753，這也正是調(diào)試信息所顯示的進程號。從而說明手勢識別控制程序成功檢測并執(zhí)行了相應的決策。

4 技術(shù)難點

4.1 Linux對攝像頭的支持

在Linux系統(tǒng)中能使用攝像頭，僅加載此外設的驅(qū)動程序是不夠的，還需要V4L(video4linux)的支持，它是Linux內(nèi)核里支持影像設備的一組APIs，配合視頻采集設備的驅(qū)動程序，實現(xiàn)影像采集、AM/FM無線廣播、影像CODEC、頻道切換等功能。而本系統(tǒng)所用OpenCV的cvCaptureFromCAM函數(shù)正是把V4L作為接口，從攝像頭讀取視頻流分配和初始化CvCapture結(jié)構(gòu)。

圖5 系統(tǒng)進程列表輸出

V4L和OV511芯片的USB攝像頭驅(qū)動都可以在進入Linux源碼目錄進行配置、編譯得到。從Linux2.4版本開始OV511驅(qū)動程序就已經(jīng)是內(nèi)核代碼的一部分了。首先在終端運行makemenuconfig命令打開MainMenu窗口，并進入“Multimedia devices”菜單選項，將Video For Linux配置為模塊；返回Main Menu窗口，再進入“USB support”菜單選項，將 USB OV511Camera support設置為模塊；保存退出后用使用 make modules命令編譯鏈接模塊。這樣就可以分別在Linux內(nèi)核源碼目錄/KernelCode/2410/drivers/media/video和/KernelCode/2410/drivers/usb/文件夾中生成videodev.o模塊和ov511.o模塊?？梢杂萌缦旅钫Z句進行動態(tài)加載這兩個模塊：

這樣程序中調(diào)用cvCaptureFromCAM函數(shù)便可以獲取攝像頭采集圖像，其中OpenCV程序中默認設備為/dev/video0[15-16]。

4.2 進程控制

一般是將程序的一次執(zhí)行過程稱為進程。通過處于運行態(tài)的手勢識別控制進程來啟動一個靜態(tài)的音樂播放程序使其變?yōu)檫M程將涉及進程控制技術(shù)。在Linux中有6個以exec開頭的函數(shù)提供了在一個進程中啟動另一個進程的方法，它搜索文件系統(tǒng)中指定路徑的文件，并用它來取代原調(diào)用進程的數(shù)據(jù)段、代碼段和堆棧段，這意味著原進程已經(jīng)消亡了。但本系統(tǒng)的手勢識別控制程序在成功啟動音樂播放程序后，需要返回并等待執(zhí)行其它擴展功能的命令，所以它不能消亡，可以把exec函數(shù)與創(chuàng)建進程的fork函數(shù)相結(jié)合來解決這個問題。關(guān)鍵代碼如下：

由于fork函數(shù)得到的子進程是父進程hand_defect_control的一個復制，它復制了父進程中的代碼段、數(shù)據(jù)段和堆棧段里的大部分內(nèi)容，對它的消亡不會影響到父進程，所以在這個新創(chuàng)建的子進程中使用exevp函數(shù)調(diào)用Madplay.out音樂播放程序取代這個子進程，就不會破壞原手勢識別控制進程的繼續(xù)執(zhí)行了[17]。

5 結(jié)束語

本文介紹了機器視覺技術(shù)在智能手機中應用的方法并實現(xiàn)了手勢識別控制功能模塊。從性能角度來看，此模塊是基于OpenCV開發(fā)的，具有運行效率高、算法成熟穩(wěn)定等優(yōu)點；從功能角度來看，此模塊使用手勢來控制手機，而且留有功能擴展接口，滿足了用戶對手機多功能的需求。在激烈的智能手機市場競爭中，這種既華麗又實用的非接觸式控制使用手機的方式使嵌入式Linux操作系統(tǒng)的智能手機大大提高了市場競爭力，具有廣闊的發(fā)展前景。

[1]徐連霞.淺談智能手機(Smart Phone)的應用與開發(fā)[J].電腦知識與技術(shù),2009,18(33):9304-9306.

[2]吳岳.Linux C程序設計大全[M].北京:清華大學出版社,2009:7-8.

[3]張梅,文靜華.淺談計算機視覺與數(shù)字攝影測量[J].地理空間信息,2010,8(2):15-17.

[4]張廣軍.機器視覺[M].北京:科學出版社,2005:1-3.

[5]劉瑞禎,于仕琪.OpenCV教程-基礎篇[M].北京:北京航空航天大學出版社,2007.

[6]譚學科.基于ARM和OpenCV的增強現(xiàn)實平臺研究[D].大連:大連理工大學,2009:46-60.

[7]邱毅凌.現(xiàn)代嵌入式系統(tǒng)開發(fā)專案實務[M].北京:電子工業(yè)出版社,2009:93-105.

[8]Andrzej Kasinski,Adam Schmidt.The architecture and performance of the face and eyes detection system based on the Haar cascade classifiers[J].Pattern Analysis&Applications,2010,13(2):197-211.

[9]Seemann E,Nickel K,Stiefelhagen R.Head pose estimation using stereo vision for human-robot interaction[C].Proc of IEEE International Conference on Automatic Face and Gesture Recognition,2004:626-631.

[10]Adam Schmidt,Andrzej Kasi ski.The performance of the Haar cascade classifiers applied to the face and eyes detection[J].Computer Recognition Systems 2,2007,45:816-823.

[11]李厚君,李玉鑑.基于AdaBoost的眉毛檢測與定位[J].計算機與數(shù)字工程,2010,38(8):175-177.

[12]郭磊,王秋光.Adaboost人臉檢測算法研究及OpenCV實現(xiàn)[J].哈爾濱理工大學學報,2009,14(5):123-126.

[13]Milos Stojmenovic.Real time machine learning based car detection in images with fast training[J].Machine Vision and Applications,2006,17(3):163-172.

[14]曹志剛.基于LINUX+ARM的視頻系統(tǒng)的應用和開發(fā)[D].北京:北方工業(yè)大學,2010:25-26.

[15]宋麗華,高珂.嵌入式Linux下USB攝像頭驅(qū)動實現(xiàn)[J].計算機工程,2010,36(9):282-284.

[16]黃思華,杜其偉.基于MiniGUI和嵌入式Linux的PDA設計與實現(xiàn)[J].計算機應用,2009,29(12):207-209.

[17]胡術(shù).UNIX平臺下進程定位與運行監(jiān)控的實現(xiàn)[J].計算機應用,2008,28(12):288-290.