手势交互作为一种新兴的人机交互方式,一直是人机交互领域的重要研究方向。Android和IOS智能手机的迅速普及,带动了整个智能硬件市场的快速发展。智能硬件的快速发展和移动网络的不断提速,推动了各种人机交互方式的发展,手势就是目前最热门的人机交互方式。目前,在智能汽车、可穿戴设备、汽车电子、智能手机等领域,都已经使用了手势交互作为新一代的人机交互方式。而近年来,随着集成电路技术的不断发展,半导体芯片的尺寸越来越小。新的半导体工艺推动了MEMS(Micro-Electro-Mechanical System微机电系统)技术进入了一个全新的发展阶段,使得原来的大体积设备能够小型化甚至芯片化。基于MEMS技术的智能硬件和可穿戴设备层出不穷。这些都为手势交互产品的出现和普及做好了硬件准备、软件准备和市场准备。与语音交互一样,手势交互方式将会成为电子设备人机交互的一个极具想象力的发展方向,因此手势识别将会取得更广阔的应用空间。根据手势识别的方式不同,手势识别可分为两大类:基于摄像头的图像手势识别、基于传感器追踪的手势识别。本设计采用的是基于加速度传感器和角速度传感器的手势识别方法。本设计主要开发了一套具有手势识别功能的智能手环。市场上已经有部分智能硬件产品和概念产品使用了传感器手势识别技术,比如部分智能电视的遥控器,部分智能手表具有自动如抬手亮屏、翻腕切屏等功能,但识别手势单一,识别算法的核心都被安装在计算机、智能电视或智能手机上。已有的手势识别研究都是将嵌入式硬件作为数据采集器,将采集到的数据发送到计算机或智能手机上,然后在高端CPU上对手势数据进行处理。这极大的限制了手势识别在人机交互中的应用空间。本设计旨在开发数据采集、识别于一体的智能可穿戴设备。本系统采用加速度传感器和陀螺仪作为手势识别的数据采集部件,nRF51822作为数据的处理和收发芯片,采用低功耗蓝牙技术实现数据的无线传输,使用安卓智能手机作为数据接收终端。主要完成的工作有:(1)完成了原始手势数据的采集和滤波,包括对加速度传感器数据和陀螺仪数据的采集和混合滤波。(2)使用卡尔曼滤波算法对加速度数据和角速度数据进行了数字融合,加速度传感器的漂移误差和累积误差较小,陀螺仪测得的角速度数据毛刺现象较少,本算法集合了加速度传感器和陀螺仪各自的优点,使得到的手势数据更加稳定可靠。(3)最后通过本文所设计的简易识别算法进行手势识别。不同于以往的手势识别研究的方法,本设计首次将手势识别算法使用在了低端运算芯片上,本设计定义和识别了14种手势。简化了复杂的识别算法,而是采用了一种简单的、基于空间位置的手势识别方法,简化了算法复杂度,提高了识别的精度和速度。