電容傳感器非接觸式手勢識別系統

瞿惠琴，吳孔培，葉 倩

(無錫職業技術學院 物聯網技術學院，江蘇 無錫 214121)

0 引言

隨著智能穿戴設備及智能移動終端的普及，手勢識別在人機交互領域扮演著越來越重要的角色[1]。手勢識別技術分為接觸式和非接觸式2種類型，非接觸式手勢識別方法增加了人機交互的靈活性和適用性。大多數非接觸式手勢識別基于計算機視覺技術來實現，但是基于視覺的識別方法一般對光線比較敏感、算法復雜度較高、需要較多的系統資源[2]。相比而言，基于傳感器的手勢識別技術因為不受環境、光線的影響，識別精度較高，占用資源少等優點而漸漸普遍[3]。在基于傳感器的手勢識別研究領域，張發輝等人提出了將手指關節的姿態信號與手臂表面肌電信號融合用于識別手勢的方法[4-5]，但這種方法使用的表面肌電信號傳感器和姿態信號傳感器都需要接觸人體，無法實現非接觸式檢測。杜京義等人研究了基于環境亮度光學傳感器APDS-9960的非接觸手勢感測技術[6]，但APDS-9960傳感器僅能夠識別向上、下、左、右4個方向滑動的動態人體手勢。電容傳感器因具有非接觸、結構簡單、精度高、動態性能好等優點，廣泛應用于厚度、液位、壓力、加速度及流速等測量領域。隨著集成電路的發展和材料的進步，影響電容傳感器絕緣和屏蔽的因素已得到較好解決[7]。綜合以上情況，設計一種基于電容傳感器的非接觸式手勢識別系統。采用平行極板電容傳感器采集多種手勢樣本數據，電容-數字轉換器FDC2214把傳感器信號轉換成數字量，單片機根據FDC2214的數據計算分析，判別出手勢并輸出給顯示設備。

1 手勢識別系統

手勢識別系統主要由單片機ATmega2560、電容-數字轉換器FDC2214以及自制的電容傳感器等組成，系統框圖如圖1所示。系統要識別的手勢包括“剪刀”“石頭”“布”“1”“2”“3”“4”“5”共8個單手手勢。

圖1 手勢識別系統

2 傳感器及轉換控制電路

2.1 電容傳感器

采用一整片覆銅板作為感測平面搭建實驗裝置，利用FDC2214的一個數據通道采集手勢樣本數據，再通過單片機串口讀取數據分析。經過多次測試后發現如果用一整片覆銅板作為感測平面來采集手勢數據，后續軟件算法較復雜，且識別錯誤率高。為了提高識別準確率，把覆銅板上的銅箔分割成4片面積相等的銅箔，如此就形成4個感測平面，在手勢識別時，相當于4個電容傳感器同時采集數據，并且由于手勢特征，每個傳感器采集到的數據不同。4路數據能更全面反映這個手勢的特征，從而降低了軟件算法的復雜度，也提高了識別準確率和響應速度。圖2所示為電容感測平面示意圖，每個傳感器的輸出對應一個數據通道。

圖2 電容感測平面示意

2.2 電容-數字轉換電路

隨著電容傳感器的廣泛應用，電容-數字轉換器也很快成為主流，相比于傳統的電容傳感器測量電路，電容-數字轉換器具有響應快、分辨率高、功耗低、抗電磁干擾的特點。系統選用的是Texas Instruments公司的電容-數字轉換器FDC2214，它具有28位分辨率，4個信號輸入通道，對應4個電容傳感器[10]，圖3所示電路圖中Cs1～Cs4即為4個等效電容。FDC2214的每個通道輸入端連接一個電感和電容，由于FDC2214內置振蕩電路驅動器，所以可組成LC振蕩電路，當電感值為18 μH，電容值為33 pF時，可以產生6.5 MHz的振蕩頻率[11]。電容傳感器與FDC2214的連接采用單端傳感器方式，等效電容Cs1～Cs4的一端連接FDC2214的IN0B～IN3B，在檢測手勢時，等效電容值發生變化，導致LC電路振蕩頻率的變化[12]。

圖3 手勢識別電路圖

FDC2214的振蕩電路驅動器后面跟隨一個多路復用器，多路復用器依次把各輸入通道連接到測量傳感器頻率的核心core上。核心core基于參考頻率fR來測量傳感器通道頻率fS，fR既可以是FDC2214內部的時鐘頻率，也可以是外接時鐘源頻率，外部時鐘頻率取40 MHz，fS在多路復用器中被二分頻為fS/2，最終核心core把頻率轉換成數字量D輸出，每個傳感器通道輸出的測量數據為[13]：

由上式可得到該通道上振蕩電路的頻率為：

2.3 單片機控制電路

ATmega2560單片機是高性能、低功耗、外設豐富的8位微控制器，單片機與FDC2214采用I2C通信方式，如圖3所示。單片機外設包括顯示和按鍵電路，手勢識別結果通過OLED屏顯示，OLED屏自發光、功耗低，與單片機也是通過I2C協議通信。系統還設置了矩陣鍵盤，其功能包括復位、工作模式選擇、手勢記錄編碼等。

3 手勢識別算法

系統的軟件設計主要包括手勢記錄和手勢判定2個部分。在手勢記錄模式下，系統對任意人員的手勢數據進行采集，經過有限次手勢演示和數據采集后，系統提取有效數據并保存；在手勢判定模式下，系統對已有手勢記錄的人員進行手勢識別，并快速給出判定結果。

3.1 手勢記錄算法

當某個手勢狀態穩定時，4個傳感器通道的數據并行輸出，單片機根據采集的數據計算出該手勢樣本的閾值。以IN0通道為例，手勢演示時，單片機連續采集IN0通道的50個數據，根據中心極限定理，采集的數據符合正態分布，其算術平均值為：

式中n=50，根據平均值可計算出標準差為：

其它3個通道的數據閾值計算以此類推，為了縮短后續手勢判定的時間，把4個傳感器通道的閾值數據相加求和為一個閾值。記錄手勢時，手勢演示次數有限，一般為3次，系統對3次記錄的閾值數據求平均值后保存，最終形成該手勢的判定條件。系統記錄手勢樣本數據時，對不同的手勢利用編碼規則來對其數據編碼標注。

3.2 手勢判定算法

由于需識別的手勢數目較少，所以在手勢判定時采用簡單匹配算法。有需判定的手勢時，首先對每個傳感器通道連續采集50個數據求出算術平均值，再把4個平均值相加求和得到需判定的手勢數據Dh，Dh和已存儲的樣本數據逐個比對，并計算誤差值，確定誤差最小的手勢樣本為判定結果。

4 測試結果與分析

實驗裝置采用+5 V直流穩壓電源供電，為了減小人體對電容電場的干擾，采集手勢樣本和手勢檢測時，裝置周圍僅留測試人員一人。對任意人員進行8種手勢樣本采集，要求每種手勢演示3次，統計發現每種手勢樣本的記錄時間均小于60 s。對手勢樣本已被記錄的人員進行手勢判定，部分測試結果如表1所示。

表1 手勢識別測試部分數據

手勢判定條件(手勢樣本)手勢判定1 手勢判定2手勢判定3判定時間/ ms“剪刀”2 832±132 8232 8372 832910“石頭”2 764±202 7622 7692 782930“布”2 725±142 7242 7372 734880“1”2 759±82 7562 7592 759930“2”2 654±92 6562 6542 654890“3”2 577±102 5782 5752 577910“4”2 451±122 4512 4552 451940“5”2 407±102 4092 4072 407900

除了“石頭”和“1”這2個手勢，其他手勢判定條件給出的閾值范圍互不相同，如此在判定手勢時就能快速準確匹配條件，得出結果。“石頭”和“1”這2個手勢的閾值數據重復，如果僅根據閾值條件判定，無法準確區分，解決的方法是再增加一個判定條件：檢測傳感器通道IN0，IN1上的數據。如果是“1”手勢，食指與IN0，IN1通道對應的覆銅板會構成電容；如果是“石頭”手勢，則2個通道上對應的電容值很小，系統可根據通道上的數據差異來區分。

相比于基于視覺的手勢識別裝置，本實驗裝置結構和電路都較為簡單、成本低，測量時不受光線干擾，對于簡單靜態手勢，裝置判別的準確率和速度與基于視覺的識別裝置相當，但本裝置無法實現動態手勢的判別[14]。

5 結束語

研究了電容傳感器識別手勢的工作原理，分析了傳感器的結構參數對線性度、準確率的影響，提出了4個感測平面的傳感器結構，基于電容傳感器、電容-數字轉換器和單片機設計了手勢識別系統，并利用正態分布閾值判別法來實現手勢識別。測試結果表明：極板間距為3 cm時，手勢樣本數據的采集時間小于60 s，對8種手勢的識別準確率高于95%，識別時間均小于1 s。系統結構簡單、工作穩定，實現了非接觸式測量，為人機交互中的手勢識別提供了一個有效的解決方案[15]。