人工智能已经成为时下最热门的话题,手势识别又是人工智能的重要领域之一。基于穿戴式数据手套笨重、昂贵的缺点限制了使用场景,大量基于机器视觉的手势识别应运而生。在手势识别中,手势状态分为静态和动态,动态手势识别是目前研究趋势。通过分析现有国内外研究动态手势识别技术现状,发现动态手势识别速度和精确性仍然是一大挑战。为了能够提高手势识别的速度和准确度,提出借助FPGA的并行处理能力和现场可编程的特点来加速动态手势识别的前端处理部分,而后端的识别部分则交给擅于复杂算法的PC上位机来实现的思想。系统首先采用肤色模型和计算手势质心方向角分割手势区域和提取手势质心特征,通过对比隐马尔科夫和动态时间规整算法,选择动态时间规整算法作为手势识别模型。前端利用FPGA加速,后端限制DTW搜索范围提高算法速度。论文研究工作主要包括以下方面:第一,研究大量国内外动态手势识别的现状和最新成果,针对系统的实时性要求,提出利用FPGA作为图像处理硬件加速平台,PC上位机作为手势识别算法处理平台的系统方案。第二,通过对图像处理算法的研究和分析,结合仿真平台,对动态手势识别算法的可行性进行了验证分析,并且为该系统搭建了一个仿真模型。分别为肤色检测、数学形态学处理、Sobel边缘检测、质心特征提取、识别算法进行对比验证。第三,以FPGA芯片为硬件加速平台,采用UP TO DOWN的设计方式,Verilog HDL语言完成硬件加速部分的功能设计。包括肤色检测模块、中值滤波模块、腐蚀膨胀模块、Sobel边缘检测模块和手势特征提取模块。在前期仿真和调试的时候通过串口发送图像数据到FPGA中,经过各个模块处理后,最后扫描到VGA屏幕上显示。第四,在FPGA提取了动态手势特征序列后,通过串口将特征序列发送给上位机进行手势识别。手势识别采用了动态规整模型算法,针对算法提出改进优化,提高了识别算法的搜索效率。并且结合Python语言完成对算法的训练和识别。并且编写了系统展示界面。第五,系统设定训练8种动态手势,4种手势运动轨迹为直线型,4种手势运动轨迹为曲线型。针对这8种手势种类,在4种不同场景下进行测试,得出轨迹为直线型的平均手势识别率在95%左右,曲线型的平均手势识别率在80%以上。并且以查全率、查准率、精确率三个指标来评估系统的性能,经过最后的测试,发现系统在识别准确度和实时性上都能满足预期功能要求和设计目标。本文针对借助FPGA完成动态手势识别的研究成果对具有实时性、无接触要求的智能化控制场景具有一定的意义和参考价值。