季齊 占瑜毅 黃龍 高文雄

摘 要：提出一種基于深度信息對手指坐標(biāo)進行實時跟蹤，并可用于機械手同步運動控制的方案。首先利用Kinect的骨骼信息定位手掌位置并進行手部分割和輪廓提取，再提取指尖坐標(biāo)，經(jīng)卡爾曼濾波后計算手指與手掌的夾角，并發(fā)送至下位機，進而控制機械手與人手同步運動。

關(guān)鍵詞：Kinect 手勢識別 指尖檢測 機械手 人機交互

中圖分類號：U292 文獻標(biāo)識碼：A 文章編號：1672-3791（2018）05（a）-0078-02

在當(dāng)今社會中，計算機技術(shù)在各種領(lǐng)域中都有廣泛應(yīng)用?，F(xiàn)在主流的人機交互手段是鍵盤、鼠標(biāo)，但是這種交互手段在直觀性、自然性上有一定的限制。手勢識別是新興的人機交互手段，利用計算機視覺技術(shù)使得計算機明白人的意圖，從而實現(xiàn)相應(yīng)的控制，這種便捷的控制方式具有廣泛的研究價值。

1 Kincet設(shè)備獲取手部信息

1.1 Kinect簡介

2010年11月，微軟公司發(fā)布了一款體感外設(shè)Kinect，它可以檢測用戶的骨骼信息與運動姿態(tài)，使玩家能脫離傳統(tǒng)的手柄鍵盤進行操作。Kinect由3個鏡頭組成。RGB彩色相機用來采集彩色圖像，左右兩側(cè)的相機構(gòu)成一組深度攝像頭，可用來采集深度數(shù)據(jù)[1]。

1.2 手掌區(qū)域分割

Kinect SDK可以檢測人體的骨骼信息并追蹤關(guān)節(jié)點坐標(biāo)，進而快速獲得掌心的大致坐標(biāo)，利用最近鄰法可從深度圖像分離手部區(qū)域，具體算法步驟如下。

（1）使用Kinect SDK提供的骨骼點檢測功能提取右手掌心和手腕的坐標(biāo)。

（2）以掌心為中心提取160×160像素的特征區(qū)域ROI。

（3）遍歷特征區(qū)域ROI，設(shè)定閾值T1，T2，將深度在手心深度減T1，手腕深度加T2范圍內(nèi)點判定為手掌點，其余點為環(huán)境點。使用式（1）進行二值化。

2 指尖檢測和手指追蹤

2.1 掌心點計算

Kinect SDK雖然提供了掌心點坐標(biāo)，但該坐標(biāo)穩(wěn)定性較差。為了減小誤差，本文利用分割出的手掌區(qū)域計算特征矩進而得到掌心坐標(biāo)。

2.2 優(yōu)化K-curvature算法計算指尖坐標(biāo)

首先利用findContours函數(shù)提取手部輪廓，再對手掌輪廓上的各點Pi，計算與，如果矢量夾角的余弦值大于設(shè)定的閾值dot，則判定Pi為指尖點。經(jīng)實驗表明，k取輪廓數(shù)目的5%、dot取0.4時效果最好。

2.3 手勢判定

得到指尖坐標(biāo)和掌心坐標(biāo)后，根據(jù)手指數(shù)量及其坐標(biāo)關(guān)系計算特征值T1-T5即可實現(xiàn)相關(guān)手勢的判定。T1表示手指數(shù)目，T2表示是否存在大拇指，T3表示兩側(cè)指尖與掌心夾角的范圍，T4表示手指與手掌夾角的范圍，T5表示最外側(cè)指尖到掌心的距離。

2.4 角度計算

為了消除手指坐標(biāo)的抖動，本文采用卡爾曼濾波器對每根手指的坐標(biāo)進行追蹤，再使用濾波后的坐標(biāo)計算指尖-指根-掌心的角度。最終手指與手掌的夾角計算公式如式4所示，其中B，A，0分別為指尖點、指根點、掌心點B'與A'為指尖點和指根點在ZOY平面內(nèi)的投影。

3 機械手控制部分設(shè)計

本文的機械手是一個總自由度為5的多關(guān)節(jié)靈巧手指，分為靈巧指與掌部兩塊，手指由基關(guān)節(jié)、近指節(jié)、中指節(jié)和遠指節(jié)組成[4]。手的掌部用以固定5個基關(guān)節(jié)以及容納布線。主控芯片選擇stm32f103，電機選用Maxon空心杯減速電機，電機輸出的扭矩通過傘齒輪傳遞，可將圓周運動轉(zhuǎn)換成指節(jié)的擺動。

4 結(jié)語

經(jīng)測試，該系統(tǒng)可以在搭載Windows系統(tǒng)的電腦中正常運行，可識別預(yù)設(shè)的12個手勢，并計算每根手指的指尖坐標(biāo)和彎曲角度，通過串口發(fā)送至下位機，驅(qū)動電機轉(zhuǎn)過相應(yīng)角度，實現(xiàn)機械手的運動控制。

參考文獻

[1] 王勁東，武頻.一種基于Kinect的指尖檢測算法[J].計算機技術(shù)與發(fā)展，2016，26（7）：14-18.

[2] 李吉，顧德，劉飛.基于Kinect深度信息的手指及手部跟蹤研究[J].計算機應(yīng)用與軟件，2015，32（3）：79-83.

[3] 談家譜，徐文勝.基于Kinect的指尖檢測與手勢識別方法[J].計算機應(yīng)用，2015，35（6）：1795-1800.

[4] 王松林.基于Kinect的手勢識別與機器人控制技術(shù)研究[D].北京交通大學(xué)，2014.

[5] 高偉.手部運動分析方法研究[D].天津大學(xué)，2014.

[6] 袁方劍，王毅軒，王毅剛，等.基于Kinect深度圖像的指尖識別及手勢判定[J].電子科技，2014，27（8）：6-10.

[7] 鄭斌玨，趙遼英，王毅軒.基于Kinect深度信息的手指檢測與手勢識別[J].計算機科學(xué)與技術(shù)匯刊：中英文版，2014（1）：9-14.

[8] 卜奪奪.仿人機器人欠驅(qū)動靈巧手研究[D].杭州電子科技大學(xué)，2012.