基于手勢識別的視力檢測系統的設計與實現

周星雨 袁堯鑫 唐亮

關鍵詞：手勢識別；PAJ7602；STC89C51單片機；視力檢測；人工智能

隨著各類電子產品的迅猛發展，極大程度上提高了人們生活的便捷度，但同時兒童及青少年存在因沉迷手機、電腦等電子產品導致視力下降的現象，定期進行視力檢測，監測視力變化，極大可能地預防近視的發生。目前視力檢測通常需要在專門機構的醫師輔助下完成，過程煩瑣、效率低，無法實現智能自助式體驗。伴隨人工智能技術的發展，機器學習、人工智能等名詞出現在人們的視野[1-2]，將基于機器學習的手勢識別交互系統應用于視力檢測過程，實現智能自助式視力檢測，提高檢測的效率。

近年來，手勢識別主要有基于機器視覺、超聲波探測和MEMS慣性傳感器三種實現方式。2020年陳振爍等人[3]設計一款基于FPGA的手勢識別系統，采用開發板和視頻圖像處理技術，實現圖像采集、處理、手勢抓取和識別等功能；謝新等人[4] 設計一款基于STM32的智能家居控制系統，利用MPU6050傳感器進行手勢識別后傳輸至單片機，從而控制相應的家居設備；2021 年李昌鋒等人[5]采用SVM 算法進行手勢識別，用于自助判斷視力檢測中的手勢方向；2022年任雁等人[6]運用多種數字算法，結合機器視覺進行手勢視覺，用于銀行自助取款機安防機器人。本文利用單片機設計一款可根據特殊手勢命令的輸出，實現非接觸式人機交互進行自助式視力檢測。

1 系統總體設計方案

視力檢測系統包括單片機主控板、手勢識別模塊和顯示模塊等[7]。系統整體框圖如圖1所示。

建立手勢識別樣本庫，將視力測試的圖標與“上下左右”四個方向進行一一對應。單片機是整個交互系統的核心，負責控制手勢識別的全流程。利用手勢識別模塊PAJ7620U2芯片采集視力檢測手勢姿勢，將手勢轉換為圖片信息，消除圖片背景，提取手勢信息傳輸給單片機。單片機對信息進行處理分析后，在LCD1602液晶顯示器上顯示對應手勢信息，點亮代表對應手勢的LED燈。將手勢信息與手勢識別樣本庫的視力測試圖標結果進行比對，結合預先設定的視力檢測原則，得出最終代表該檢測者的視力水平。

2 硬件模塊設計

2.1 單片機模塊

本設計的單片機采用的是STC89C51為主芯片，具有32個雙向I/O口、256kB RAM及3個16位可編程定時器等資源。該51單片機資源配置靈活，滿足本設計要求。單片機芯片周圍配置有2.1寸彩色液晶屏可用于手勢識別結果顯示，并配備有USB接口可實現程序下載、單片機供電和串行通信，8路LED燈可輔助顯示手勢識別上下左右四種結果。單片機及外圍電路圖如圖2所示。

2.2 手勢識別模塊

手勢識別模塊PAJ7620U2是一款可識別九種基本手勢包括上、下、左、右等，與視力測試圖標方向對應一致，滿足檢測需求。該芯片識別手勢速度快且支持手勢不斷輸出，自帶LED驅動可向外發射紅外線信號[7]，一旦在可探測范圍內探測到物體，傳感器陣列和目標提取會提取目標相關特征信息，并將相關特征信息存儲至應對寄存器。手勢識別陣列通過對相關特征值進行處理，與模塊已有的手勢識別特征庫進行比對，識別結果傳輸至寄存器，通過I2C與單片機相連接，實現手勢顯示。PAJ7602硬件模塊原理圖如圖3所示。

2.3 顯示模塊

LCD液晶顯示器主要用于將上下左右四種手勢顯示出來，通電后液晶分子產生點、線、面以及背部燈管構成各種圖像。LCD1602是一款16引腳器件，E引腳為使能信號端，用以控制液晶屏顯示數據的時鐘信號，采用上升沿觸發實現數據傳輸。VL是液晶顯示偏壓信號，用以調整圖像與背景顯示對比度，通過調整偏壓信號得到最強的對比度。8位并行數據口與單片機直接相連，提高數據讀取的便捷性。RS和R/W 引腳用于選擇LCD的工作方式及數據的讀寫操作，實現對液晶屏工作時序的控制。

LED燈用于代表不同手勢的顯示，進行手勢識別檢測時，液晶屏幕上會顯示“上、下、左、右”四種手勢，對應的LED燈點亮進行提示。

2.4 電源模塊

STC89C51單片機輸入電壓3.3V，顯示模塊等輸入電壓5V，因此采用單片機自帶的USB接口進行電壓供電，采用ME6211實現5V至3.3V的電平轉換。

3 軟件模塊設計

3.1 軟件設計思路

本系統的軟件設計思路為：①預先設定手勢庫樣本信息，將視力檢測不同大小和方向的“E”與“上下左右”四個方位一一對應；②系統開始后，隨機顯示某視力水平的“E”圖標；③手勢識別模塊通過紅外檢測識別有無物體，并判斷待測物是否為模塊可識別的九種手勢，識別結果存儲至寄存器中，寄存器的信息傳輸給單片機，并將識別后的手勢在液晶屏上顯示；④單片機通過比對手勢識別模塊的結果和顯示的“E”圖標是否一致，對單次檢測做出結果判斷；⑤重復上述檢測步驟，至被測者能夠看清的最小圖標。系統流程框圖如圖4所示。

3.2 程序設計

3.2.1 手勢識別程序設計

進行手勢識別前，需要創建手勢樣本信息庫。本文采用從學校隨機選取200名學生，以學生的手勢圖作為數據樣本，每名學生分別采集上下左右四種手勢圖共計20張，即可獲取4 000張手勢圖作為樣本數據。按照訓練集和測試集7：3的比例進行隨機劃分，其中2 800張作為訓練集，1 200張作為測試集。訓練集用來對手勢識別模塊算法進行調整，測試集用于驗證算法識別的準確性。同時，將視力檢測表不同大小的視標“E”與“上下左右”四個方向一一對應，建立數據集，用于后續視力檢測結果比對。視力檢測需識別的手勢示意圖如圖5所示。

對于手勢識別模塊（數據采集）進行程序設計步驟如下：①模塊初始化。先進行上電初始化，將數據手冊提供的配置寫入寄存器；②手勢識別初始化。對傳感器進行檢測初始化，傳感器默認狀態為高電平，只有當傳感器狀態從高電平變為低電平時，開始進行數據采集；③I2C通訊設置。手勢識別模塊與單片機連接進行數據的發送和接收，主從機模式，每傳輸完數據后接校驗位用來提醒發送端已完成數據接收。

3.2.2 視力檢測程序設計

由于不同視力對應不同大小的E，本文設計采用二分法進行檢索以提高視力檢測效率。設置視標數組從4.0到5.3，通過不斷檢索和比對判斷視標數組，得出受檢者當前視力水平最終值。

步驟1：參數初始化，設置視力測試單次結果的標志值value。如識別手勢與所給“E”圖標方向一致，則表示單次檢測結果正確，value=1；反之則代表錯誤，value=0。則說明測試者當前視力值為所給圖標代表的視標值4.0。

步驟2：采用二分法檢索，取4.0和5.3的中間值視標對應的“E”在液晶屏上顯示。將手勢識別模塊識別結果與視標“E”進行比對，每視標水平進行3次檢測。

步驟3：根據單視標視力判別規則，判斷測試者視力水平是否為該視標等級。判定規則為：對于同一級別的視標，總共進行3次測試。在3次測試內，如果辨認失敗次數大于成功次數，則認定為不能看清該視標，反之則認定為可看清該視標，進行下一步視力水平檢測。如果受測者可看清該級別的視標則進一步縮小檢索視標范圍，如果看不清則向更大級別的視標區間檢索。

步驟4：重復步驟2、3，直到測試者視標數組的最小值大于數組最大值，即測試者完成視標數組區間檢測，視力水平測試檢測完成，輸出顯示測試者的最終視力水平，視力水平檢測過程結束。

4 系統調試

通過keil uVision5進行程序編寫，將單片機等硬件模塊經USB接口連接至電腦，進行軟硬件聯合調試，對各個模塊程序參數進行調整，硬件部分進行調試，直至整個系統完成相應功能。

首先，確定各硬件模塊能正常上電工作。接通電源后，單片機模塊電源指示燈亮，且借助STC-ISP軟件燒錄簡單程序，能正常顯示效果，則表明單片機可以正常工作。液晶顯示模塊和LED燈顯示模塊在單片機電路周圍，單片機上電后，測試液晶屏和LED燈能都正常顯示數值及顯示的準確性。其次進行手勢識別模塊檢測，本設計主要測試PAJ7620模塊對上下左右四種手勢的識別，進行測試時，如果測試者手勢向上，對應LCD屏上應顯示當前手勢，且代表上下的LED亮，則說明手勢識別模塊和顯示模塊可進行準確檢測與顯示。對各模塊調試結果如表1所示。最后，通過多次實驗測試手勢識別的準確性，若準確率較低，則需要進行相應的軟硬件調整。

5 結束語

本設計完成了基于手勢識別的自助視力檢測系統，主要通過手勢識別模塊進行手勢數據采集，傳輸至單片機后將識別手勢進行顯示，并與預設結果進行比較，多次檢測后得到最終被測者視力值。系統突破了傳統視力檢測模式，實現了自助式、便捷式。當下青少年視力問題日益凸顯，本設計為青少年定期視力檢測提供了便捷。