基于DSP的手勢識別電視遙控器設(shè)計
2. 4紅外遙控模塊電路設(shè)計
本文引用地址:http://www.ex-cimer.com/article/271879.htm紅外遙控模塊包括三個部分:接收部分、發(fā)送部分和數(shù)據(jù)處理部分。接收部分包括光電轉(zhuǎn)換、解調(diào)、高速采樣以及數(shù)據(jù)分析等模塊,發(fā)送部分包括遙控發(fā)送和電光轉(zhuǎn)換模塊,數(shù)據(jù)處理部分包括中央處理以及存儲模塊。
3系統(tǒng)軟件設(shè)計
3. 1手勢圖像預(yù)處理算法
手勢圖像提取算法選擇幀間差分的方法實現(xiàn)手部圖像分割。利用間隔短暫時間的兩幀圖像比較,獲取兩張圖像運(yùn)動方向的手部圍成的一小段白色區(qū)域,然后采用閾值分割的方法對獲取的圖像二值化,消除噪聲,最后根據(jù)此圖像序列含有的白色像素點(diǎn)的多少來確定圖像序列中有無物體存在。對手勢圖像預(yù)處理的算法描述如下:
1)從視頻圖像序列中選取相鄰n幀的兩幀圖像,其中前一幀圖像為Pk-1( x,y ),如圖6( a)所示,后一幀圖像為Pk( x,y),如圖6( b)所示;

圖6從視頻圖像序列中選取的圖像
2)為了減少計算量,將480×640的圖像隔4行6列提取像素點(diǎn),左右各忽略20列,上下各忽略40行,獲得兩幀100×100的圖像

和


圖7縮小后的圖像
3)計算后一幀與前一幀的差為Gk( x,y),得到目標(biāo)的變化量,如圖8所示;

圖8兩幅圖像的目標(biāo)變化量
4)對幀間差分法得到的圖像按選定的閾值進(jìn)行二值化,得到目標(biāo)圖像序列的二值化圖像序列Fk( x,y),如圖9所示。其中,

式( 1)中,T為閾值。對于給定視頻序列的圖像,假設(shè)像素點(diǎn)k處沒有運(yùn)動,其幀差dk服從均值為0,方差為σ2的Gauss分布N( 0,σ2) :

式( 2)中,H0表示無運(yùn)動假設(shè),σ2是幀差的統(tǒng)計方差,通常認(rèn)為它等于攝像頭噪聲方差的兩倍。根據(jù)概率統(tǒng)計假設(shè)檢驗“3σ”法則和“正確的閾值T應(yīng)該能消除大部分噪聲”的原則。經(jīng)試驗測試得閾值T選擇在35~45之間比較合適。二值化后的圖像如圖9所示。觀察Fk( x,y)的圖像序列,可以看到圖像中的噪聲很少,這是因為①幀間差分法達(dá)到了加大目標(biāo)信息的權(quán)重,同時抑制了靜態(tài)背景的效果;②攝像頭采集范圍背景比較單一,光線均勻。
Fk( x,y)中主要存在兩大類的噪聲。一種是由于光線變化產(chǎn)生的噪聲,這種噪聲往往以孤立的黑色像素點(diǎn)的形式出現(xiàn)。第二種噪聲是一些面積較小的背景塊。為了盡可能消除這兩種噪聲,可以求每個N×M小塊的灰度平均值,根據(jù)灰度平均值可估計出白色區(qū)域的大小。當(dāng)灰度平均值小于某一閾值時,可以認(rèn)為是噪聲,把對應(yīng)的N×M個點(diǎn)賦值為0.算法實現(xiàn)如下:
( 1)建立一個大小是Fk( x,y)的1 /25倍的矩陣來存20×20個5×5像素塊的平均灰度值fk( x,y)。
( 2) fk( x,y)和Hk( x,y)滿足如下關(guān)系:

圖10噪聲消除后的圖像
紅外遙控器相關(guān)文章:紅外遙控器原理萬能遙控器相關(guān)文章:萬能遙控器代碼
攝像頭相關(guān)文章:攝像頭原理
評論