I. 引言

在新型冠狀病毒肺炎疫情的傳播過(guò)程中，病毒通過(guò)多種途徑傳播，包括飛沫和接觸傳播。雖然使用酒精基消毒劑或用肥皂洗手可以降低感染風(fēng)險(xiǎn)，但這些方法并不能完全隔離病菌。因此，非接觸式控制的需求正在迅速增長(zhǎng)。此外，人工智能（AI）正在發(fā)展，許多應(yīng)用程序都在整合AI技術(shù)以增強(qiáng)我們?nèi)粘Ｉ畹谋憷?。一個(gè)例子是微軟在其電梯系統(tǒng)中集成了面部識(shí)別技術(shù)，使得用戶能夠更輕松地到達(dá)他們想去的樓層。這項(xiàng)技術(shù)通過(guò)簡(jiǎn)單地查看用戶的面部就可以預(yù)測(cè)要到達(dá)的樓層。該系統(tǒng)使用了諸如“一次性查看”（YOLO）算法之類的物體識(shí)別技術(shù)來(lái)識(shí)別用戶的面部。近年來(lái)，手勢(shì)識(shí)別技術(shù)已經(jīng)被廣泛應(yīng)用到虛擬現(xiàn)實(shí)（VR）、人機(jī)交互以及運(yùn)動(dòng)醫(yī)學(xué)等領(lǐng)域。傳統(tǒng)的手勢(shì)識(shí)別有兩種方法：一種是使用數(shù)據(jù)手套，這種手套裝有傳感器來(lái)檢測(cè)手指的彎曲并向計(jì)算機(jī)發(fā)送電子信號(hào)進(jìn)行識(shí)別。但是，這種方法需要硬件設(shè)備，并且共用手套會(huì)增加病毒感染的風(fēng)險(xiǎn)。另一種方法是使用視覺(jué)技術(shù)。視覺(jué)技術(shù)在機(jī)器視覺(jué)中最常用，它涉及捕捉和分析各種類型的圖像。它不僅僅局限于捕捉二維圖像，而是越來(lái)越多地采用雙鏡頭或深度相機(jī)的三維成像系統(tǒng)。手勢(shì)識(shí)別技術(shù)結(jié)合了鏡頭與深度學(xué)習(xí)。Baek等人提出了使用光學(xué)相機(jī)捕捉并分類動(dòng)態(tài)和靜態(tài)手勢(shì)的方法。然而，這種方法需要特定的照明條件并且缺乏深度信息。另一種方法是使用紅綠藍(lán)加深度（RGB-D）深度相機(jī)進(jìn)行手勢(shì)分類。不幸的是，這些設(shè)備在陽(yáng)光下并不適用。此外，基于光學(xué)相機(jī)的手勢(shì)識(shí)別系統(tǒng)會(huì)引發(fā)隱私擔(dān)憂，因?yàn)橛脩艨赡軗?dān)心他們的圖像被未經(jīng)授權(quán)地捕獲或惡意使用。微型雷達(dá)傳感器可以克服相機(jī)的局限性。Salami等人提出使用毫米波雷達(dá)進(jìn)行大動(dòng)作手勢(shì)識(shí)別。毫米波雷達(dá)指的是工作在毫米波頻段的雷達(dá)系統(tǒng)，使用特殊雷達(dá)技術(shù)的短波長(zhǎng)電磁波。線性調(diào)頻連續(xù)波（FMCW）是一種其頻率隨時(shí)間線性增加的正弦波信號(hào)。FMCW毫米波雷達(dá)技術(shù)提供了高分辨率的深度信息，并且較少受到環(huán)境溫度的影響。這使得它適合在非理想的光照和溫度環(huán)境中進(jìn)行精確測(cè)量，包括遮擋、霧天、室內(nèi)、室外等多種情況。使用毫米波雷達(dá)不會(huì)引發(fā)隱私擔(dān)憂，因此，許多研究集中在使用低成本、微型雷達(dá)傳感器進(jìn)行非侵入性的手勢(shì)識(shí)別上。在疫情期間，各組織安裝了配備人工智能面部檢測(cè)技術(shù)的紅外熱成像儀來(lái)測(cè)量體溫。紅外熱成像儀能夠探測(cè)并測(cè)量物體表面發(fā)出的紅外輻射能量，并將其轉(zhuǎn)換為可視圖像。該設(shè)備可以在黑暗環(huán)境中測(cè)量溫度而不受光線影響。此外，圖像經(jīng)過(guò)處理并轉(zhuǎn)化為特定的顏色分布圖。這減少了數(shù)據(jù)泄露并解決了與光學(xué)相機(jī)相關(guān)的問(wèn)題。我們提出了一種結(jié)合毫米波雷達(dá)與熱成像技術(shù)及深度學(xué)習(xí)的大動(dòng)作手勢(shì)識(shí)別系統(tǒng)。由于無(wú)需直接接觸設(shè)備，也緩解了與攝像頭拍攝人臉相關(guān)的隱私顧慮。

II. 系統(tǒng)概述

系統(tǒng)的架構(gòu)如圖1所示。當(dāng)用戶做出手勢(shì)時(shí)，BM201-PC3毫米波雷達(dá)收集點(diǎn)云信息。然后，Jetson Xavier NX嵌入式評(píng)估板處理這些數(shù)據(jù)，輸出時(shí)間序列結(jié)果，以識(shí)別如圖2所示的五個(gè)周期性動(dòng)態(tài)手勢(shì)。我們使用YOLOv7訓(xùn)練了一個(gè)手勢(shì)圖像識(shí)別模型，將該模型導(dǎo)入Jetson Xavier NX，并使用Lepton 3.5熱成像儀實(shí)時(shí)捕捉手勢(shì)圖像信息。Jetson Xavier NX用于實(shí)時(shí)分析和記錄手勢(shì)圖像的移動(dòng)，輸出時(shí)間序列數(shù)據(jù)作為結(jié)果。在分析了毫米波雷達(dá)和熱成像儀的數(shù)據(jù)之后，手勢(shì)結(jié)果會(huì)通過(guò)音頻反饋給用戶。

系統(tǒng)架構(gòu)

Fig. 1.系統(tǒng)架構(gòu)

Fig. 2.五個(gè)周期性動(dòng)態(tài)手勢(shì)。

A. 手部紅外圖像的圖像處理

人體手掌的溫度范圍大約在30至35攝氏度之間。本研究提出了兩種圖像顏色轉(zhuǎn)換的方法：?jiǎn)紊D(zhuǎn)換和多色轉(zhuǎn)換。在單色轉(zhuǎn)換中，通過(guò)熱成像儀檢測(cè)物體發(fā)出的紅外輻射能量，然后將其轉(zhuǎn)換為溫度數(shù)據(jù)。當(dāng)溫度低于30攝氏度時(shí)，像素被過(guò)濾掉，并不顯示顏色。然而，超過(guò)30攝氏度的像素則轉(zhuǎn)換為紅色并顯示出來(lái)。但是，較高的體溫或室溫可能會(huì)導(dǎo)致物體在圖像中顯示為紅色，從而導(dǎo)致手部區(qū)域與背景重疊，造成手部圖像特征模糊或不存在，如圖3所示。因此，我們提出了一個(gè)多色轉(zhuǎn)換的方法。首先，在室內(nèi)冬季環(huán)境下進(jìn)行了測(cè)試，室溫約為22至26攝氏度。如果沒(méi)有劇烈運(yùn)動(dòng)，手部的測(cè)量溫度范圍在30至36攝氏度之間。如果有直射陽(yáng)光或房間內(nèi)有電腦，則熱成像儀記錄的溫度高于36攝氏度。多色轉(zhuǎn)換的詳細(xì)信息見(jiàn)表I。在顯示手掌溫度時(shí)，低于30攝氏度的像素被過(guò)濾掉并保持黑色。溫度在30至32攝氏度之間的像素顯示為紅色，而32至34攝氏度之間的像素則顯示為橙色。黃色像素代表34至36攝氏度之間的溫度，紫色像素表示溫度高于36攝氏度。這種多色轉(zhuǎn)換用于減少其他環(huán)境因素對(duì)手部特征的掩蓋影響。

Fig. 3.在較高環(huán)境溫度下的熱圖像

B. 手部圖像檢測(cè)

在這項(xiàng)研究中，使用YOLOv7來(lái)訓(xùn)練手部圖像檢測(cè)模型。收集了兩組訓(xùn)練樣本數(shù)據(jù)集，一組是單色轉(zhuǎn)換圖像，另一組是多色轉(zhuǎn)換圖像，均來(lái)自熱成像儀。兩個(gè)數(shù)據(jù)集中總共有437張照片，均由同一個(gè)人拍攝。在訓(xùn)練之前，使用Labeling圖像標(biāo)注工具對(duì)物體進(jìn)行標(biāo)注。設(shè)計(jì)的分類包括手部圖像和個(gè)人，如圖4所示。Roboflow網(wǎng)站用于數(shù)據(jù)增強(qiáng)和數(shù)據(jù)集分割。在數(shù)據(jù)集分割設(shè)置中，95%的數(shù)據(jù)分配給了訓(xùn)練集，3%分配給了測(cè)試集，2%分配給了驗(yàn)證集。手部模型使用Google Colab上的YOLOv7手部圖像識(shí)別模型進(jìn)行訓(xùn)練。模型以批量大小為8進(jìn)行了80次迭代的訓(xùn)練。結(jié)果隨后被保存。我們收集了每個(gè)手勢(shì)的點(diǎn)云信息并對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，以生成時(shí)間序列特征數(shù)據(jù)。最后，我們將數(shù)據(jù)導(dǎo)入神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練并生成模型文件。

圖4. 物體標(biāo)注示例：(a) 手部 和 (b) 人物

C. 毫米波手勢(shì)點(diǎn)云數(shù)據(jù)

毫米波雷達(dá)生成了帶有速度信息的目標(biāo)點(diǎn)云數(shù)據(jù)。點(diǎn)云數(shù)據(jù)由毫米波雷達(dá)收集，用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。模型訓(xùn)練過(guò)程如圖5所示。在毫米波點(diǎn)云測(cè)量屏幕上，圖6展示了毫米波雷達(dá)檢測(cè)當(dāng)前范圍內(nèi)運(yùn)動(dòng)的可視化點(diǎn)云圖像。圖6(b)顯示了手部快速前后移動(dòng)所產(chǎn)生的點(diǎn)云信息?？虮硎竞撩撞ɡ走_(dá)的測(cè)量范圍。

圖5. 訓(xùn)練手勢(shì)識(shí)別模型的流程

圖6. (a) 做手勢(shì) 和 (b) 毫米波點(diǎn)云屏幕

表I. 熱成像儀溫度與多色轉(zhuǎn)換對(duì)照表

收集的點(diǎn)云數(shù)據(jù)包括仰角、方位角、多普勒速度、距離（到雷達(dá)的距離）和信噪比（SNR）。我們使用點(diǎn)云數(shù)據(jù)中的仰角（ψψ）、方位角（θθ）和距離（RR）來(lái)計(jì)算點(diǎn)云的x、y和z位置。圖7顯示了毫米波坐標(biāo)軸的定義。三個(gè)值——仰角、方位角和距離，被轉(zhuǎn)換為點(diǎn)云的笛卡爾坐標(biāo)，如公式（1）所示。

笛卡爾坐標(biāo)轉(zhuǎn)換公式（假設(shè)公式（1）如下）：

x=R?cos?(θ)?sin?(ψ)

y=R?sin?(θ)?sin?(ψ)

z=R?cos?(ψ)

這里，ψ 是仰角，θ 是方位角，R 是距離。通過(guò)這些角度和距離值，我們可以確定點(diǎn)云在三維空間中的確切位置。

圖7. BM201-PC3 毫米波坐標(biāo)軸定義

D. 點(diǎn)云數(shù)據(jù)的預(yù)處理

我們對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行了預(yù)處理。為了濾除環(huán)境噪聲，我們保留了手部點(diǎn)云的數(shù)據(jù)并提取了其時(shí)間序列特征信息。毫米波雷達(dá)測(cè)量得到的點(diǎn)云數(shù)據(jù)經(jīng)過(guò)疊加、最大速度限制處理后，先進(jìn)行了基于密度的空間聚類算法（DBSCAN），然后進(jìn)行配準(zhǔn)、K均值聚類、第二次DBSCAN處理，最后提取出時(shí)間序列特征數(shù)據(jù)。最終，提取的時(shí)間序列特征被標(biāo)準(zhǔn)化并導(dǎo)入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

為了訓(xùn)練手勢(shì)識(shí)別模型，我們記錄了每個(gè)手勢(shì)的點(diǎn)云數(shù)據(jù)。毫米波雷達(dá)在一個(gè)瞬間檢測(cè)到的點(diǎn)云分布被稱為一幀，毫米波雷達(dá)被設(shè)定為連續(xù)檢測(cè)200幀。這200幀的點(diǎn)云數(shù)據(jù)然后在同一數(shù)組上進(jìn)行疊加，得到了181條記錄。詳細(xì)的流程如圖8所示。

圖8. 同一陣列上疊加點(diǎn)云數(shù)據(jù)的流程

當(dāng)用戶揮手做手勢(shì)時(shí)，手部的移動(dòng)速度大致相同，不會(huì)太快。如果存在速度過(guò)高的點(diǎn)云，很可能是噪聲點(diǎn)。因此，我們移除了速度大于2米/秒的點(diǎn)云數(shù)據(jù)，以消除過(guò)高的速度值。接著，我們使用了Scikit-Learn庫(kù)中的DBSCAN算法來(lái)過(guò)濾掉任何異常值。這一點(diǎn)非常重要，因?yàn)檫@些異常值可能是由環(huán)境造成的，而不是我們關(guān)注的手部和身體的點(diǎn)云信息。第一次DBSCAN處理后的逆時(shí)針手勢(shì)點(diǎn)云如圖9所示。

圖9. 逆時(shí)針手勢(shì)點(diǎn)云數(shù)據(jù)的預(yù)處理

D. 注冊(cè)的目的

注冊(cè)的目的是將位于不同位置的點(diǎn)云旋轉(zhuǎn)和平移到一個(gè)固定的參考點(diǎn)，以便于后續(xù)的數(shù)據(jù)處理并提高識(shí)別準(zhǔn)確性。為了分離手部和身體的點(diǎn)云信息，我們使用了Scikit-Learn庫(kù)中的K均值聚類算法將點(diǎn)云數(shù)據(jù)分為兩類：手部和身體。接著，為了過(guò)濾掉剩余的身體點(diǎn)云信息，進(jìn)行了第二次DBSCAN處理。然后，我們從預(yù)處理后的手部點(diǎn)云信息中提取了時(shí)間序列特征數(shù)據(jù)。設(shè)計(jì)的手勢(shì)是動(dòng)態(tài)且周期性的，僅憑外觀難以區(qū)分和生成點(diǎn)云信息。因此，必須從預(yù)處理后的手部點(diǎn)云信息中提取時(shí)間序列特征信息。每20幀包含四個(gè)特征值，包括歸一化的x、y和z坐標(biāo)位置以及歸一化的速度值。

E. 毫米波手勢(shì)檢測(cè)模型

在這項(xiàng)研究中，使用PyTorch構(gòu)建了三種類型的神經(jīng)網(wǎng)絡(luò)，即循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）和門控循環(huán)單元（GRU）。對(duì)于同一個(gè)體，記錄了每個(gè)手勢(shì)的200幀點(diǎn)云數(shù)據(jù)。每個(gè)手勢(shì)收集了16個(gè)樣本。五個(gè)手勢(shì)的總點(diǎn)云數(shù)據(jù)量為16,000幀。經(jīng)過(guò)預(yù)處理后，對(duì)于每個(gè)樣本生成了181條時(shí)間序列特征數(shù)據(jù)。經(jīng)過(guò)預(yù)處理后，每個(gè)手勢(shì)生成了2,896條時(shí)間序列特征數(shù)據(jù)，五個(gè)手勢(shì)總共生成了14,480條時(shí)間序列特征數(shù)據(jù)。模型訓(xùn)練完成后，我們將訓(xùn)練好的模型導(dǎo)入Jetson Xavier NX進(jìn)行手勢(shì)識(shí)別。當(dāng)程序啟動(dòng)時(shí)，毫米波雷達(dá)處于待機(jī)模式。如果在一米范圍內(nèi)檢測(cè)到物體，程序暫停。收集20幀點(diǎn)云數(shù)據(jù)后，揚(yáng)聲器播放“停止”語(yǔ)音，收集的點(diǎn)云數(shù)據(jù)被存儲(chǔ)。數(shù)據(jù)通過(guò)Jetson Xavier NX進(jìn)行預(yù)處理，處理后的時(shí)間序列特征數(shù)據(jù)被導(dǎo)入神經(jīng)網(wǎng)絡(luò)模型。預(yù)測(cè)手勢(shì)并播放預(yù)測(cè)的手勢(shì)語(yǔ)音。

III. 結(jié)果與討論

在手部圖像識(shí)別中，獲得了熱成像儀的訓(xùn)練結(jié)果和手勢(shì)識(shí)別模型的訓(xùn)練結(jié)果。其中，手勢(shì)識(shí)別被分為以下兩個(gè)部分：毫米波雷達(dá)手勢(shì)識(shí)別和結(jié)合毫米波雷達(dá)與熱成像儀的手勢(shì)識(shí)別。

?A. 熱成像儀的手部圖像識(shí)別

與RGB相機(jī)不同，當(dāng)熱成像儀捕捉圖像時(shí)，它會(huì)過(guò)濾掉溫度低于閾值的區(qū)域。對(duì)于溫度高于閾值的區(qū)域，圖像會(huì)進(jìn)行顏色轉(zhuǎn)換。圖10展示了兩種主要的手部圖像識(shí)別訓(xùn)練數(shù)據(jù)集類型。在單色轉(zhuǎn)換中，圖像中溫度高于30°C的區(qū)域被轉(zhuǎn)換為紅色，同時(shí)過(guò)濾掉溫度低于30°C的區(qū)域。在多色轉(zhuǎn)換中，根據(jù)溫度區(qū)間將圖像轉(zhuǎn)換為不同的顏色。我們對(duì)這兩個(gè)訓(xùn)練數(shù)據(jù)集進(jìn)行了數(shù)據(jù)增強(qiáng)。數(shù)據(jù)集由808張照片組成，分為768張訓(xùn)練集圖像、23張驗(yàn)證集圖像和17張測(cè)試集圖像。然后，訓(xùn)練數(shù)據(jù)集進(jìn)行了80次迭代。圖11顯示了訓(xùn)練后的模型損失函數(shù)。單色轉(zhuǎn)換訓(xùn)練模型的收斂效果不如多色轉(zhuǎn)換訓(xùn)練模型。

這句話總結(jié)了使用熱成像儀進(jìn)行手部圖像識(shí)別時(shí)的不同處理方法及其效果，并指出了單色轉(zhuǎn)換和多色轉(zhuǎn)換在模型訓(xùn)練上的差異。如果您有圖10和圖11的具體內(nèi)容或需要進(jìn)一步解釋，請(qǐng)?zhí)峁└嘈畔ⅰ?/p>

圖10. (a) 單色轉(zhuǎn)換。 (b) 多色轉(zhuǎn)換

圖11. (a) 單色轉(zhuǎn)換的損失函數(shù) 和 (b) 多色轉(zhuǎn)換的損失函數(shù)

在實(shí)際場(chǎng)地測(cè)試中，單色轉(zhuǎn)換的性能受到了環(huán)境溫度和體溫的影響。具體來(lái)說(shuō)，當(dāng)溫度略高或體溫較高時(shí)，圖像中的著色區(qū)域傾向于與背景混合，如圖12(a)所示。這導(dǎo)致了較差的識(shí)別效果，因?yàn)槭植繄D像的特征無(wú)法被準(zhǔn)確檢測(cè)。測(cè)試了多色轉(zhuǎn)換模型，結(jié)果如圖12(b)所示。在測(cè)試期間，環(huán)境和體溫較高，圖像中的著色區(qū)域占據(jù)了大部分屏幕。然而，通過(guò)使用多色轉(zhuǎn)換技術(shù)，手部圖像的特征并未與背景混合，這大大提高了識(shí)別率和準(zhǔn)確性，即使在背景復(fù)雜的情況下也是如此。

圖11. (a) 單色轉(zhuǎn)換的損失函數(shù) 和 (b) 多色轉(zhuǎn)換的損失函數(shù)

圖12. (a) 單色轉(zhuǎn)換的手部圖像識(shí)別 和 (b) 多色轉(zhuǎn)換的手部圖像識(shí)別

表II顯示了單色轉(zhuǎn)換與多色轉(zhuǎn)換之間的比較。多色轉(zhuǎn)換相比單色轉(zhuǎn)換顯示出更高的準(zhǔn)確性

表II. 單色轉(zhuǎn)換與多色轉(zhuǎn)換的準(zhǔn)確性對(duì)比