数据将使用Zigbee协议从传感器发送到计算机。这个

开发者考虑到佩戴者的舒适性，让他们使用舒适的材料

手语使用者。使用的材料是：70%的莱卡和30%的棉布。手套也是

每个柔性传感器由十个纤细的口袋组成。

这只手套使用了六个IMU。他们分为左臂三人和左臂三人

右臂。这些位置如图2.9所示。它们的放置方式是为了测量

关节之间的距离，以便更准确地读取每个手势。

图2.9：IMU的放置和使用的软件[7]

至于数据存储和手势的3D化身表示，他们使用了一种名为

“Captiks运动工作室”。然后，数据流将从运动工作室存储到

MATLAB作为表格。当用户

使用他/她的手。该手套在两种性别上都进行了测试，但年龄差距更大

手的尺寸，但左撇子没有机会使用该设备。

2.2.2手语手套[8]

图2.10：手语手套[8]

11

这个项目与上一个项目类似，因为它只关注右手用户。然而

这个翻译英语手语。手套如图2.10所示。开发人员

承认一个人和另一个人的尺寸和手形差异的问题。他们

目的是创造一种可以克服这个问题的手套。然而，由于

手较小的用户使得手套具有较大的误差范围。对于所使用的组件：

1.五个Spectra Symbol Flex传感器，每个手指上一个，用于测量每个手指的重量

弯曲

2.两个带有铜带的接触式传感器，可获得更精确的读数。它们位于

食指和中指的每个指尖读取特定的字母，如图2.11所示。

图2.11：“A”、“B”和“C”的ASL标志[8]

3.MPU-6050，一个三轴加速度计和陀螺仪，将允许手套检测和

识别手的动作。

4.微控制器为ATmega1284p。它从传感器读取的数据中获取数据包。

5.将数据发送到PC。Python脚本用于数据收集和手势学习

随着时间的推移，通过学习新的迹象。电脑将把标志翻译成英语。

与之前的一些项目不同，这款手套有更多可见的组件。传感器是

缝合在手套上，不用口袋把它们藏起来。放置了微控制器

如图2.10所示。

2.2.3使用感觉手套和神经网络的美国手语识别[9]

本文讨论了美国手语字母表的双向翻译系统。

该系统可以识别美国手语字母表，然后将其翻译成印刷字母。此外

它还能够将字母表的文本输入转换为相应的ASL字母手

手势。该系统使用（但不限于）以下内容：

12

硬件：

1.总共六个柔性传感器（应用于手套上）。

2.国家仪器DAQ NI-6216。

3.5伏电源。

4.总共六个10kΩ 电阻器。

5.总共六个陶瓷电容器。

6.总共六个电解电容器。

1.软件采用MATLAB。

实施方法如下：

1.人工神经网络（处理模型）。

2.反向传播算法。

3.人手的运动学模型和方程。

ASL字母表的识别是通过使用柔性传感器发送的数据来完成的。

然后将这些数据发送到DAQ，DAQ是传感器和PC之间使用的接口

DAQ处理来自传感器的数据，然后将其作为输入发送到PC

取决于用于训练的反向传播算法，然后通过获取

DAQ作为其输入。然而，作者面临着一个关于神经的范围限制的问题

网络。原因是人工神经网络严格要求“特定的测量范围”。这

这个问题是通过归一化来解决的，归一化是一种使用函数对输出的DAQ进行归一化的过程

数据，以便将其用作人工神经网络的输入。图中显示了该过程的一般框图

如图2.12。

图2.12：系统框图[9]

13

这个系统的第二个方面负责转换英语文本字母表

字母转换为虚拟的、3D动画的美国手语手势。MATLAB被用作

编写这样一个程序。正如论文中提到的，作者面临着另一个与此相关的挑战

到具有高达24个自由度（DOF）以及19个连杆的人手。问题已解决

通过减少DOF的数量和系统所需的连杆。因此

并使用反向运动学。

2.2.4签名[10]

SignIt是前AUK学生的毕业设计项目。项目翻译

将手语转化为语音，让这些人更容易沟通这个

手套如图2.13所示。

图2.13:Signit实现的手套[10]

用于制造此手套的组件包括：

1.Arduino Micro之所以被选中，是因为它的尺寸小，模拟引脚数量多，适合所有

传感器和其他部件。

2.使用的手套对屏幕触摸友好，使签名者能够使用他们的手机

无需脱下手套。手套材料对使用者来说很舒适。

3.五个柔性传感器（长度：5.59厘米）。

4.五个压力传感器。

5.Emic-2模块该设备用于创建输出语音并将其发送给扬声器

连接到Arduino。有六种不同的音调可供男性、女性和

孩子的声音。

6.对于加速度计，使用了两个MMA8452Q。它能很好地检测手

运动。

7.对于该软件，麻省理工学院的应用程序Inventor和Arduino IDE用于创建

签署并对微控制器进行编程。

14

他们使用的方法取决于加速度计，因为手可以在

三维平面（X、Y和Z平面）。这有助于了解手的朝向

以便更准确地读取符号。

2.2.5马来西亚手语检测的数据手套方法[11]

该项目专注于马来西亚手语，创造了一种能够翻译的手套

将手势转换为文本，使双方更容易沟通。使用的组件包括：

1.Arduino微控制器，作为主处理单元。

2.倾斜传感器，其测量其相对于固定参考的轴线，如图所示

2.14.

3.加速度计，负责检测移动时的手势

识别正在签名的内容的含义：数字、单词、字母等。

4.蓝牙模块，用于连接手机并发送读数以供显示。

5.手机显示输出。

图2.14：倾斜传感器[11]

值得注意的是，这只手套只在四个人身上进行了测试；然而，它在

翻译准确率（字母：95%，数字：93%，手势：78.33%）

如下：传感器和加速度计检测到移动后，数据将发送到

用于解释的微控制器。然后，蓝牙模块将其发送到启用蓝牙的

电话显示输出。手套如图2.15所示。

图2.15：数据手套[11]

15

2.2.6手语翻译（S2L）：[12]

这个项目是手语翻译手套的另一个实现，它包含一个LCD

显示手势翻译的屏幕。所使用的组件为（如中所示

图2.16）：

1.六个柔性传感器，每个手指和手背各一个（用于更准确的读数）。

2.一种微控制器。

3.用于显示输出的迷你LCD（输出的10位表示）。

4.附加部件：电池、电压调节器、振荡器。

图2.16:S2L手套的组件[12]

安装液晶显示屏更实用。用户不必担心

关于将手套连接到任何设备以显示翻译。然而，这只手套

只能翻译字母并将其显示在LCD上。换句话说，它是经过设计的

将手语中的所有26个字母准确地翻译成附在LCD上的文本

手套，如图2.17所示。

图2.17:S2L手套上的LCD[12]

16

有些字母需要随着手指的移动而弯曲。A 6

第th个柔性传感器

添加以更准确地阅读每个字母。翻译信件的准确性各不相同

由于每个字母的复杂性，但所有26个字母的准确率仍然很高

如图2.18所示。

图2.18：所有26个字母的准确父母关系[12]

2.2.7手语[13]

SignSpeak是一只翻译美国手语的手套。传感器的位置

与美国手语手势兼容，位置如图2.19所示。转到

用于制造该手套的部件：

1.Arduino微型控制器。

2.9个2.2英寸柔性传感器。

3.11个接触式传感器，包括导电板和上拉电阻器。他们习惯了

检测手指之间的接触以获得更准确的字母读数。

4.蓝牙模块。

5.加速度计（ADXL 345），用于检测当

签署。

6.安卓应用程序。

17

图2.19：传感器的放置[13]

共使用了21个传感器，如图2.20所示。每个位置都很高

对阅读美国手语中正确的字母至关重要。例如，拇指和

食指是8号弯曲传感器。它有助于区分字母A和E。另一个

例如，当使用位于中指顶部内侧的1号接触式传感器时

以区分U和V。

图2.20：使用的传感器[13]

为了让机器不断更新和学习新的标志，使用了Gentle AdaBoost。这个

手套可以成功读取26个手势（英文字母）这个

手套可以成功读取26个手势（英文字母）。手套和一些信

读数如下图2.21所示。

图2.21：手套可以阅读的一些字母[13]

18

2.3概述和影响

如前所述，使用了各种实现来创建一个手套，该手套可以识别不同的

手势和手势的模式。一些共享相同的传感器，而常用的传感器是

柔性传感器，如下表2.1所示。在题为“手姿势估计综述”的文章中

通过可穿戴传感器和基于计算机视觉的方法”，[11]它提供了良好的信息

关于所使用的传感器，如下所示：

1.弯曲/弯曲传感器：它们是可穿戴手套技术中常用的传感器。由于

由于长度范围很广，所以很容易戴在手套里使用。它可以弯曲多次；

然而，使用得越多，它就会失去准确性。

2.拉伸/应变传感器：在可穿戴设备的制造方面需求越来越大

技术它适合关节，小巧舒适，是设计传感器

在手套中不太显眼。

3.其他类型：如前所述，一个项目使用了惯性测量单元（IMU）。

这种类型是加速度计、陀螺仪，有时还有磁力计的混合体。这

由于加速度计的作用，该类型提供了更好的数据速率。IMU相对便宜

寿命长。

这些项目的简单比较如表2.1所示。

19

表2.1：对比表

项目

名称

软件微控制器

r

传感器输入输出附加功能

[3] 门控递归

单位（GRU）

算法和MAP

估计

阿杜因诺

Lilypad微控制器

柔性传感器NVIDIA

GTX 1070型

全球采购单位

文本电池模块

导电螺纹

蓝牙模块

[4] SCM C语言

keil5中的程序

STM32系列

单片

FLEX 2.2弯曲

传感器

模拟

信号

文本BP神经网络

[5] 不适用不适用摩擦电

纳米发电机

模拟

信号

N/A壳聚糖/甘油膜

[6] Arduino IDE青少年3.1耐压菌株

传感器

模拟

信号

文本开关

电池

功率调节器

[7] Captiks运动

演播室

N/A Flex传感器模拟

信号

不适用惯性测量单位

[8] I2C通信Atmega1284p光谱符号FlexSensors

接触式传感器

模拟

信号

文本到语音MPU-6050

个人计算机

[9] MATLAB N/A Flex传感器模拟

信号

文本

MATLAB三维表示

随意的标志。

国家仪器DAQ NI6216。

5V电源。

[10] Ultiboard公司

麻省理工学院应用程序发明人

Arduino集成开发环境

Arduino Micro Flex传感器

压力传感器

模拟

信号

语音发射-2模块

蓝牙模块

加速度计

[11] N/A Arduino倾斜传感器模拟

信号

文本蓝牙模块

加速度计

[12] N/A微控制器

-未定义的

模块-。

柔性传感器模拟

信号

LCD迷你LCD上的字母

电池

陀螺仪/加速度计

振荡器

电压调节器

[13] LabVIEW系统

设计S

PXI机箱

Arduino Flex传感器2.2模拟

信号

文本语音蓝牙模块（C-05）。

加速度计

导电板

上拉电阻表

印度支那

我们的项目

Arduino集成开发环境

C++

Essperif ESP32 Flex传感器

力传感器

MPU6050型

模拟

信号

文本内置Wi-Fi和蓝牙

翻译ArSL

20

第3章方法、设计和分析

3.1简介

第3章讨论了项目设计和建设的程序和方法。它

还反映了在构建系统的不同组件之间进行选择时所做的决策。

第3章涵盖了项目的重要方面，因为它将解释有关

详细使用的每个组件。例如传感器、微控制器、软件等。此外，

本章将提供并解释系统的体系结构和示意图。

3.2方框图

INDEGO的框图将在本节中进行解释。任何系统的框图

给出了系统的概述，显示了最重要的组件和关系

他们之间。

下图3.1所示为INDEGO的框图。该图说明

功能或组件作为块。箭头表示每个块之间的关系。

与系统体系结构不同，框图不那么详细，只显示了

系统的功能，而不指定组件或实现方式。这个

框图的重要性在于它显示了系统和概念的概述。这

有助于识别需求和所遵循的程序，而不考虑组件。它是

有利于对系统设计中的问题进行故障排除和识别。此外，它可以是

当新的特征或元素被添加到系统的设计中时，这一过程很有帮助。

图3.1：INDEGO的框图

21

前面的框图3.1显示了系统的两个主要阶段。这个

第一阶段是数据采集，它包含两个内部部分——输入阶段或功能，以及

处理阶段。下图左侧为输出级

3.1.此外，阶段和t之间的箭头