基于FPGA的動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、人工智能作為當(dāng)前研究的熱門在當(dāng)前社會(huì)以及未來的很長一段時(shí)間里會(huì)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(gè)較大的分支便是手勢(shì)識(shí)別。目前，動(dòng)態(tài)手勢(shì)識(shí)別的識(shí)別過程主要包括動(dòng)態(tài)手勢(shì)分割、手勢(shì)特征提取和手勢(shì)模式識(shí)別。所面臨的主要問題是識(shí)別的速度和準(zhǔn)確度。為了能夠非?？焖俚倪M(jìn)行手勢(shì)分割和手勢(shì)特征提取，本文借助FPGA平臺(tái)高速高效特性來加速我們的動(dòng)態(tài)手勢(shì)識(shí)別前端的處理，而后端的模式識(shí)別由于FPG

2、A相對(duì)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(shí)現(xiàn)。FPGA與PC間的特征值傳遞采用串口的傳輸方式來實(shí)現(xiàn)。
　　基于以上背景和當(dāng)前面臨的問題，本文提出了一個(gè)基于FPGA的動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)，并為該系統(tǒng)搭建了一個(gè)原型。動(dòng)態(tài)手勢(shì)分割和手勢(shì)特征提取由FPGA完成，手勢(shì)的模式識(shí)別由PC上位機(jī)完成。
　　FPGA平臺(tái)上的動(dòng)態(tài)手勢(shì)分割和特征提取主要通過膚色檢測(cè)和邊緣檢測(cè)來提取手指指尖的位置。在膚色檢測(cè)環(huán)節(jié)，環(huán)境光照的非均勻不穩(wěn)

3、定特性對(duì)檢測(cè)的效果影響非常大，因此本文在當(dāng)前固定閾值膚色檢測(cè)算法的基礎(chǔ)上進(jìn)行改進(jìn)，提出了像素級(jí)包絡(luò)閾值自適應(yīng)膚色模型來改善膚色檢測(cè)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(jì)了并行雙流水線的視頻流處理架構(gòu)來實(shí)現(xiàn)我們的算法。
　　在FPGA平臺(tái)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(shí)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