0 引言

老龄化社会提前到来，“空巢家庭”日趋增多，越来越多的老年人“照顾缺位”。子女在外上班，不能陪伴父母，一些身体虚弱、生活不能自理的老人不能得到很好的照顾。老人独自在家时若发生一些意外事故，因无法快速地发送求救信号，从而不能得到救助而造成严重后果。家人工作繁忙，一些生病或因残疾导致行动、生活不便的人，不能独自去拿水杯、药品等。家长出门孩子独自留在家中，孩子由于调皮贪玩会跑到阳台等危险区域，因无实时的监管导致意外。现代年轻人工作压力和生活压力加重，上班一族整天为工作奔波，常常会疏忽家里的琐事，忘记关灯、关空调等；家里出现煤气泄漏、水管漏水等危险情况，未能及时处理而导致事故的发生；家里有盗贼进入时，不能及时报警而导致贵重财物被盗。

为了解决上述问题，设计了基于Kinect的家庭助理机器人系统。可通过Kinect体感控制机器人移动到指定地点并抓取物体，也可用手机APP远程控制机器人，实时地监视室内情况。

1 系统硬件设计

系统采用基于Java的单服务器多客户端模型，Kinect和智能手机分别作为客户端连接到运行在PC上的服务器^[1]。Kinect通过USB连接到电脑，利用串口通信将采集到的数据实时发送到服务器。智能手机通过WiFi连接到服务器，手机APP将控制信号发送到服务器。服务器对客户端发来的数据进行实时采集、解析，并将控制信号发送给机器人。系统整体结构如图1所示。

机器人硬件组成如图2所示。机器人头部为网络摄像头IP Camera，主要功能有：远程视频监视、远程视频通话、智能报警。机器人臂部为数字舵机结构，共8个自由度，机械臂末端为夹爪结构。机械臂可模拟人的双臂运动，可通过夹爪来抓取物体。机器人的腿部为轮式结构，使其在室内更快捷、灵活地移动。

机器人的主控芯片采用树莓派，树莓派(Raspberry Pi)是只有信用卡大小的卡片式电脑。它配备一枚1.24 GHz的4核ARM架构Cortex-A53处理器，SD卡作为储存媒体，主板周围有4个USB接口和一个网口^[2]，利用USB接口可直接与Arduino相连。树莓派内置无线WiFi模块，可与服务器进行无线通信。树莓派PWM输出能力有限，利用2片Arduino共同产生8路PWM控制机械臂的8个舵机^[3]。Arduino是一款便捷灵活、方便上手的开源电子原型平台，它搭载Atmel ATmega328处理器，有14路数字输入输出端口。一片Arduino可同时产生6路PWM信号，并且Arduino开发软件提供标准的串口通信协议，可直接与树莓派通信。树莓派通过USB与Arduino相连，通过串口通信将每个舵机控制信号发给Arduino。数字舵机根据PWM信号转动，实现0°～180°的精确控制。此外，机器人上装有烟雾和温湿度传感器，可实时监测家中环境，发生煤气泄漏或火灾时可自动报警。

Kinect通过USB与服务器相连，完成人体骨骼数据的采集。采用Kinect for Windows，其工作原理是通过传感器上一个可见光RGB摄像头和2个红外摄像头，使传感器能够采集彩色影像和3D深度图像^[4]。采集图像时，Kinect传感器通过红外激光点阵反馈图像信息到2个红外摄像头中，对操作者的X、Y、Z坐标进行3D扫描定位。此外，通过可见光RGB摄像头捕捉VGA级别的图像^[5]，可进行人物的身份识别。Kinect数据通过USB线缆传输到PC上，PC上的Kinect数据采集库对传感器传输而来的3种不同的数据资料进行串联，将彩色图像和3D深度图像融合成为一个数据流，最后将数据流输出^[6]。本次设计利用数据流中的20个关键点的三维坐标，对人体动作进行识别。

2 系统软件设计

2.1 Kinect动作识别算法

基于轮廓和特征匹配的目标跟踪算法，例如文献[7]中的人体动作识别算法，虽然准确性良好，但其算法过于复杂，模板匹配运算量太大，需要大量设备进行并行处理，需要比较高端的处理器。基于滤波预测跟踪算法，例如文献[8]中提出的利用卡尔曼滤波算法实现人体动作识别，虽然消除了数据抖动，但其算法的鲁棒性不好，对光照、背景变化太敏感。本文提出了一种改进的Kinect动作识别算法，将人体关节分上、下半身来处理，既保证了手臂控制机器人的实时性，又保证了双腿控制机器人的准确性。

2.1.1 坐标获取

Kinect是微软公司于2011年推出的一款体感外设，主要由红外发射器、RGB摄像头、红外深度摄像头组成。它具有实时的全身骨骼跟踪、运动捕捉以及麦克风输入的功能，并能够识别一系列人体动作^[9]。本文算法利用Kinect骨骼追踪技术获取操作者20个关键点的三维坐标，并能对这些点的位置进行实时追踪。图3为人体关键点的示意图。

由于直接获取的坐标为深度图像坐标，所以将其换算为实际坐标。(x_image，y_image，z_image)到(x_world，y_world，z_world)的变换公式^[10]：

2.1.2 特征提取

在Kinect不标定的情况下识别人体动作，且操作者所在位置可能随时会发生变化，因此算法对鲁棒性要求很高。本文算法提取的特征是骨骼关键点坐标的相对位置，即提取关键点坐标向量所成的角度特征。Kinect每秒钟获取30帧图像^[11]，即关键点的坐标每秒刷新30次，再加上人体的抖动，采集到的关键点坐标会有波动。采用加权递推平均滤波方法对坐标进行滤波。把连续N个采样值看成一个队列，队列的长度固定为N，每次采样到新的数据放入队尾，并扔掉原来队首的一次数据(先进先出原则)。然后针对不同时刻采用不同的权值，最后把队列中的N个数据进行算术平均运算，就可获得新的滤波结果。公式如下：

角度θ_ij就是当前人体肘部的角度特征。以此类推，可求出人体所有关节的角度特征。提取的角度特征是一个相对的特征且鲁棒性好，只与关键点相对位置有关，与光照、背景、操作者以及操作者的位置都无关。

2.1.3 特征匹配

机器人的机械臂是由操作者的双臂体感控制的，而所提取的角度特征恰好是每个关节点的相对角度，所以可直接将角度特征输出控制舵机的转动。对于下半身，则要通过特征匹配的方法更加准确地识别操作者的动作。由于Kinect采用Processing进行开发，用Java语言编程，所以将计算好的动作模板保存到TXT文本中。本设计中下半身需要识别的动作包括：前进一档、前进二档、前进三档、后退一档、后退二档、后退三档、停止、机器人夹爪的张开与闭合。将下半身骨骼数据的角度特征与动作模板角度特征进行比较，可得到匹配的百分比，从而实现人体动作的识别。

2.2 机器人软件编程

机器人的软件部分主要完成的任务为：接收服务器发来的控制信号并根据信号控制舵机和电机。机器人的控制芯片为树莓派，树莓派的操作系统是开源的Linux系统，采用Python语言进行编程。首先利用Socket无线通信把树莓派作为客户端连接到服务器，开启客户端并将其连接到服务器的IP地址和端口号，接收服务器数据。然后根据通信协议解析数据，最后利用Firmata协议将控制舵机和电机数据发给Arduino。Arduino根据接收到的数据，控制对应引脚产生不同占空比的PWM信号来控制舵机和电机的转动。树莓派接收烟雾传感器和温湿度传感器的反馈值，与设定阈值比较决定是否报警。

本设计利用安卓开发了手机APP^[12]，可使在外的家人通过机器人实时查看家中情况，及时发现家中紧急情况。图4为手机APP界面，点击连接按钮，手机APP会自动登录服务器。左边是实时视频监控界面，可实现360°旋转监视、拍照、录像等功能，还可通过对讲功能与家里的老人和病人进行视频通话；右边是机器人控制界面，通过前后、左右按钮控制机器人的运动，从而实现了与传统固定摄像头监视不同的室内移动视频监视功能。

3 功能实现

Processing程序对Kinect深度数据进行采集，利用上文动作识别算法对数据进行处理，把控制信号传给机器人。操作者可以用双臂体感控制机械臂，并且实时性很好；可以用腿部的前后移动体感控制机器人的前后移动，并且可以调速；可以利用双腿的分开程度控制机械夹爪的开合。实验表明，本算法的动作识别准确率较高，而且光照、背景、操作者和操作者位置的变化对算法影响较小。测试结果如图5和图6所示。系统可实现机器人的体感控制，帮助家里的老人和病人抓取物品。

4 结束语

设计制作了基于Kinect的家庭助理机器人系统，可通过机器人的体感控制帮助在家无人照顾的老人和病人抓取物体。在外的家人可通过手机App远程监视室内情况并可视频通话，使老人和病人得到更好的照顾。通过实验测试，该系统工作正常，可实现以上各项功能。

参考文献

[1] 马响.基于Java语言在Web开发的知识探讨[J].信息技术与信息化，2015，13(15)：169-171.

[2] 苏祥林，陈文艺，闫洒洒.基于树莓派的物联网开放平台[J].电子科技，2015，28(9)：35-37.

[3] 崔阳，张维华.一种基于Arduino的智能家居控制系统[J].计算机技术与应用，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] 朱国刚，曹林.基于Kinect传感器骨骼信息的人体动作识别[J].计算机仿真，2014，31(12)：329-333.

[8] 王梅，卢熙昌.基于人体动作识别的服务机器人手臂运动控制[J].工业控制计算机，2015，28(9)：59-62.

[9] 战荫伟，于芝枝.基于Kinect角度测量的姿势识别算法[J].传感器与微系统，2014，33(7)：129-132.

[10] 陈翰雄，黄雅云，刘宇，等.基于Kinect的空中手势跟踪识别的研究与实现[J].电视技术，2015，39(21)：91-94.

[11] 蔡菁，程雷，王红霞.基于Kinect的疲劳驾驶综合监测系统研究[J].计算机工程与科学，2015，37(12)：2380-2385.

[12] 薛亮，张继飞.基于IOS的智能家居安防系统移动端设计[J].计算机技术与自动化，2016，35(2)：89-92.

作者信息:

党宏社，侯金良，张 超

（陕西科技大学 电气与信息工程学院，陕西 西安710021）