论文部分内容阅读
随着图像处理算法的多样化与计算机处理技术的成熟发展,人机交互技术有了飞速的发展,从开始单一的鼠标控制转换为如今多样化的交互方式,其中基于视觉的交互方式在人机交互领域是当前研究的热门方向,包含了手势识别和行为识别研究等多个内容。手势动作是人类肢体语言的一部分,人们可通过定义手势得到对应的含义,对于机器,手势相比于单词更简单,更易于学习,因而手势作为直观自然的交流方式在人机交互领域受到了研究者们的青睐。FPGA作为一款硬件微处理器,越来越多的应用于图像处理和神经网络的实现方面;本文采用FPGA来实现手势识别中设计的算法,完成手势的识别功能,极大地提高了识别的速度和效率。本文首先根据手势识别系统中所涉及的步骤,对相应的算法进行了介绍和分析,分别有手势图像预处理算法、手势分割算法、特征提取和识别算法,对比各个算法的特性,本文预先定义了十种数字手势,针对所研究的手势,选取了适合的算法,并在此基础上提出了一种基于肤色模型和BP神经网络的手势识别算法。基于FPGA设计构建了手势的硬件识别系统,硬件平台选用黑金开发板AX515,通过OV5650摄像头套件对手势图像进行采集,LCD显示屏对系统处理后的手势进行实时显示,最终通过数码管显示识别结果。在FPGA内部根据识别流程将系统划分为图像采集模块,预处理模块,手势分割模块,特征提取和手势识别五大模块。其次,根据FPGA的设计特点,对图像采集和显示模块,图像预处理中值滤波算法、肤色分割算法、形态学运算、Canny边缘检测、Hu不变矩特征提取算法和BP神经网络创建了工程,进行了设计、仿真和实现。其中对Canny边缘检测和BP神经网络涉及到的复杂运算通过简化设计,利用流水线完成了设计,由于其计算量相对而言较大且复杂,对其硬件实现耗费较多时长。最后在硬件系统所需要的子模块搭建完成后,本系统分别通过软件和硬件的方式对十种手势进行了测试和验证。一方面得到了算法的处理效果,软件的识别率;另一方面得到了硬件的识别结果和耗费器件资源的情况,通过测试结果得到了本系统的硬件识别率。经验证,本系统达到了设计的基本功能,在速度上相较于软件有着明显的优势。