0 引言

    老齡化社會提前到來，“空巢家庭”日趨增多，越來越多的老年人“照顧缺位”。子女在外上班，不能陪伴父母，一些身體虛弱、生活不能自理的老人不能得到很好的照顧。老人獨自在家時若發(fā)生一些意外事故，因無法快速地發(fā)送求救信號，從而不能得到救助而造成嚴重后果。家人工作繁忙，一些生病或因殘疾導致行動、生活不便的人，不能獨自去拿水杯、藥品等。家長出門孩子獨自留在家中，孩子由于調皮貪玩會跑到陽臺等危險區(qū)域，因無實時的監(jiān)管導致意外?，F代年輕人工作壓力和生活壓力加重，上班一族整天為工作奔波，常常會疏忽家里的瑣事，忘記關燈、關空調等；家里出現煤氣泄漏、水管漏水等危險情況，未能及時處理而導致事故的發(fā)生；家里有盜賊進入時，不能及時報警而導致貴重財物被盜。

    為了解決上述問題，設計了基于Kinect的家庭助理機器人系統(tǒng)。可通過Kinect體感控制機器人移動到指定地點并抓取物體，也可用手機APP遠程控制機器人，實時地監(jiān)視室內情況。

1 系統(tǒng)硬件設計

    系統(tǒng)采用基于Java的單服務器多客戶端模型，Kinect和智能手機分別作為客戶端連接到運行在PC上的服務器^[1]。Kinect通過USB連接到電腦，利用串口通信將采集到的數據實時發(fā)送到服務器。智能手機通過WiFi連接到服務器，手機APP將控制信號發(fā)送到服務器。服務器對客戶端發(fā)來的數據進行實時采集、解析，并將控制信號發(fā)送給機器人。系統(tǒng)整體結構如圖1所示。

    機器人硬件組成如圖2所示。機器人頭部為網絡攝像頭IP Camera，主要功能有：遠程視頻監(jiān)視、遠程視頻通話、智能報警。機器人臂部為數字舵機結構，共8個自由度，機械臂末端為夾爪結構。機械臂可模擬人的雙臂運動，可通過夾爪來抓取物體。機器人的腿部為輪式結構，使其在室內更快捷、靈活地移動。

    機器人的主控芯片采用樹莓派，樹莓派(Raspberry Pi)是只有信用卡大小的卡片式電腦。它配備一枚1.24 GHz的4核ARM架構Cortex-A53處理器，SD卡作為儲存媒體，主板周圍有4個USB接口和一個網口^[2]，利用USB接口可直接與Arduino相連。樹莓派內置無線WiFi模塊，可與服務器進行無線通信。樹莓派PWM輸出能力有限，利用2片Arduino共同產生8路PWM控制機械臂的8個舵機^[3]。Arduino是一款便捷靈活、方便上手的開源電子原型平臺，它搭載Atmel ATmega328處理器，有14路數字輸入輸出端口。一片Arduino可同時產生6路PWM信號，并且Arduino開發(fā)軟件提供標準的串口通信協議，可直接與樹莓派通信。樹莓派通過USB與Arduino相連，通過串口通信將每個舵機控制信號發(fā)給Arduino。數字舵機根據PWM信號轉動，實現0°～180°的精確控制。此外，機器人上裝有煙霧和溫濕度傳感器，可實時監(jiān)測家中環(huán)境，發(fā)生煤氣泄漏或火災時可自動報警。

    Kinect通過USB與服務器相連，完成人體骨骼數據的采集。采用Kinect for Windows，其工作原理是通過傳感器上一個可見光RGB攝像頭和2個紅外攝像頭，使傳感器能夠采集彩色影像和3D深度圖像^[4]。采集圖像時，Kinect傳感器通過紅外激光點陣反饋圖像信息到2個紅外攝像頭中，對操作者的X、Y、Z坐標進行3D掃描定位。此外，通過可見光RGB攝像頭捕捉VGA級別的圖像^[5]，可進行人物的身份識別。Kinect數據通過USB線纜傳輸到PC上，PC上的Kinect數據采集庫對傳感器傳輸而來的3種不同的數據資料進行串聯，將彩色圖像和3D深度圖像融合成為一個數據流，最后將數據流輸出^[6]。本次設計利用數據流中的20個關鍵點的三維坐標，對人體動作進行識別。

2 系統(tǒng)軟件設計

2.1 Kinect動作識別算法

    基于輪廓和特征匹配的目標跟蹤算法，例如文獻[7]中的人體動作識別算法，雖然準確性良好，但其算法過于復雜，模板匹配運算量太大，需要大量設備進行并行處理，需要比較高端的處理器?；跒V波預測跟蹤算法，例如文獻[8]中提出的利用卡爾曼濾波算法實現人體動作識別，雖然消除了數據抖動，但其算法的魯棒性不好，對光照、背景變化太敏感。本文提出了一種改進的Kinect動作識別算法，將人體關節(jié)分上、下半身來處理，既保證了手臂控制機器人的實時性，又保證了雙腿控制機器人的準確性。

2.1.1 坐標獲取

    Kinect是微軟公司于2011年推出的一款體感外設，主要由紅外發(fā)射器、RGB攝像頭、紅外深度攝像頭組成。它具有實時的全身骨骼跟蹤、運動捕捉以及麥克風輸入的功能，并能夠識別一系列人體動作^[9]。本文算法利用Kinect骨骼追蹤技術獲取操作者20個關鍵點的三維坐標，并能對這些點的位置進行實時追蹤。圖3為人體關鍵點的示意圖。

    由于直接獲取的坐標為深度圖像坐標，所以將其換算為實際坐標。(x_image，y_image，z_image)到(x_world，y_world，z_world)的變換公式^[10]：

2.1.2 特征提取

    在Kinect不標定的情況下識別人體動作，且操作者所在位置可能隨時會發(fā)生變化，因此算法對魯棒性要求很高。本文算法提取的特征是骨骼關鍵點坐標的相對位置，即提取關鍵點坐標向量所成的角度特征。Kinect每秒鐘獲取30幀圖像^[11]，即關鍵點的坐標每秒刷新30次，再加上人體的抖動，采集到的關鍵點坐標會有波動。采用加權遞推平均濾波方法對坐標進行濾波。把連續(xù)N個采樣值看成一個隊列，隊列的長度固定為N，每次采樣到新的數據放入隊尾，并扔掉原來隊首的一次數據(先進先出原則)。然后針對不同時刻采用不同的權值，最后把隊列中的N個數據進行算術平均運算，就可獲得新的濾波結果。公式如下：

    角度θ_ij就是當前人體肘部的角度特征。以此類推，可求出人體所有關節(jié)的角度特征。提取的角度特征是一個相對的特征且魯棒性好，只與關鍵點相對位置有關，與光照、背景、操作者以及操作者的位置都無關。

2.1.3 特征匹配

    機器人的機械臂是由操作者的雙臂體感控制的，而所提取的角度特征恰好是每個關節(jié)點的相對角度，所以可直接將角度特征輸出控制舵機的轉動。對于下半身，則要通過特征匹配的方法更加準確地識別操作者的動作。由于Kinect采用Processing進行開發(fā)，用Java語言編程，所以將計算好的動作模板保存到TXT文本中。本設計中下半身需要識別的動作包括：前進一檔、前進二檔、前進三檔、后退一檔、后退二檔、后退三檔、停止、機器人夾爪的張開與閉合。將下半身骨骼數據的角度特征與動作模板角度特征進行比較，可得到匹配的百分比，從而實現人體動作的識別。

2.2 機器人軟件編程

    機器人的軟件部分主要完成的任務為：接收服務器發(fā)來的控制信號并根據信號控制舵機和電機。機器人的控制芯片為樹莓派，樹莓派的操作系統(tǒng)是開源的Linux系統(tǒng)，采用Python語言進行編程。首先利用Socket無線通信把樹莓派作為客戶端連接到服務器，開啟客戶端并將其連接到服務器的IP地址和端口號，接收服務器數據。然后根據通信協議解析數據，最后利用Firmata協議將控制舵機和電機數據發(fā)給Arduino。Arduino根據接收到的數據，控制對應引腳產生不同占空比的PWM信號來控制舵機和電機的轉動。樹莓派接收煙霧傳感器和溫濕度傳感器的反饋值，與設定閾值比較決定是否報警。

    本設計利用安卓開發(fā)了手機APP^[12]，可使在外的家人通過機器人實時查看家中情況，及時發(fā)現家中緊急情況。圖4為手機APP界面，點擊連接按鈕，手機APP會自動登錄服務器。左邊是實時視頻監(jiān)控界面，可實現360°旋轉監(jiān)視、拍照、錄像等功能，還可通過對講功能與家里的老人和病人進行視頻通話；右邊是機器人控制界面，通過前后、左右按鈕控制機器人的運動，從而實現了與傳統(tǒng)固定攝像頭監(jiān)視不同的室內移動視頻監(jiān)視功能。

3 功能實現

    Processing程序對Kinect深度數據進行采集，利用上文動作識別算法對數據進行處理，把控制信號傳給機器人。操作者可以用雙臂體感控制機械臂，并且實時性很好；可以用腿部的前后移動體感控制機器人的前后移動，并且可以調速；可以利用雙腿的分開程度控制機械夾爪的開合。實驗表明，本算法的動作識別準確率較高，而且光照、背景、操作者和操作者位置的變化對算法影響較小。測試結果如圖5和圖6所示。系統(tǒng)可實現機器人的體感控制，幫助家里的老人和病人抓取物品。

4 結束語

    設計制作了基于Kinect的家庭助理機器人系統(tǒng)，可通過機器人的體感控制幫助在家無人照顧的老人和病人抓取物體。在外的家人可通過手機App遠程監(jiān)視室內情況并可視頻通話，使老人和病人得到更好的照顧。通過實驗測試，該系統(tǒng)工作正常，可實現以上各項功能。

參考文獻

[1] 馬響.基于Java語言在Web開發(fā)的知識探討[J].信息技術與信息化，2015，13(15)：169-171.

[2] 蘇祥林，陳文藝，閆灑灑.基于樹莓派的物聯網開放平臺[J].電子科技，2015，28(9)：35-37.

[3] 崔陽，張維華.一種基于Arduino的智能家居控制系統(tǒng)[J].計算機技術與應用，2014，40(4)：123-125.

[4] PANSARE J R，BANSAL M.A system to recognize dynamic hand gestures using hidden markov model to control windows applications[J].International Journal of Computer Applications，2013，62(15)：169-171.

[5] SU C J，CHIANG C Y.Kinect-enabled home-based rehabilitation system using dynamic time warping and fuzzy logic[J].Applied Soft Computing，2014(22)：652-666.

[6] FABRIZIO P，SERGIO B.An open source framework for hand pose and gesture recognition using kinect[J].Visual Computer，2014(30)：1107-1122.

[7] 朱國剛，曹林.基于Kinect傳感器骨骼信息的人體動作識別[J].計算機仿真，2014，31(12)：329-333.

[8] 王梅，盧熙昌.基于人體動作識別的服務機器人手臂運動控制[J].工業(yè)控制計算機，2015，28(9)：59-62.

[9] 戰(zhàn)蔭偉，于芝枝.基于Kinect角度測量的姿勢識別算法[J].傳感器與微系統(tǒng)，2014，33(7)：129-132.

[10] 陳翰雄，黃雅云，劉宇，等.基于Kinect的空中手勢跟蹤識別的研究與實現[J].電視技術，2015，39(21)：91-94.

[11] 蔡菁，程雷，王紅霞.基于Kinect的疲勞駕駛綜合監(jiān)測系統(tǒng)研究[J].計算機工程與科學，2015，37(12)：2380-2385.

[12] 薛亮，張繼飛.基于IOS的智能家居安防系統(tǒng)移動端設計[J].計算機技術與自動化，2016，35(2)：89-92.

作者信息:

黨宏社，侯金良，張  超

（陜西科技大學 電氣與信息工程學院，陜西 西安710021）