版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
相关简介
题主于大二年级下学期参加了2018年TI杯电子设计大赛（辽宁省），选题为D题《手势识别》，最终为省二等奖，在此将比赛过程及代码进行分享，欢迎前来交流，不足之处还望指正。
硬件模块
| 模块 | 数量 | 功能 |
| FDC2214 | 2 | 手势数据采集 |
| kinetis k60 | 2 | 手势数据训练与判别 |
| oled | 1 | 手势判别结果显示 |
| DCDC | 1 | 对MCU供电 |
| 覆铜板 | 1 | 构成极板 |
| 亚克力板 | 6 | 作品外壳 |
方案选择
- 单极板方案
优点：对测试者手势的摆放要求低，有较好的适应性
缺点：同一手势不同测试者之间数值差异较大
- 多极板方案
优点：手势判别难度降低，准确率提高
缺点：对测试者手势摆放有明确要求，适应性差
程序思路
针对单极方案，我们首先尝试应用lib-svm(支持向量机)算法，以实现对于手势的判别，但鉴于比赛时间和个人水平的限制，对于lib-svm的理解不足，暂不采用该方案。
然后我们尝试在训练模式下，一段时间内，收集测试者做各个手势时，fdc2214所读取的最小数值作为阈值；在判别模式下以各个阈值作为手势的判别依据，经测试准确率在百分之60左右。
最后，为保证手势判别的准确率，我们采取多极板方式，即一个手指对于一个极板，而每块fdc2214有4个通道，所以我们使用了2块fdc2214；多出的3通道，我们选取了其中2个，连接了小块极板作为电容按键，进行菜单选择和模式切换。
程序流程：
- fdc2214采集5块极板空载数据（即：无放手数据），待数据稳定后进行记录，标记为开关阈值
- 当前极板的放手数据与开关阈值进行比较，有手指为1，否则为0
- 根据5块极板的0/1数据对手指进行判别
- 电容开关选择模式，猜拳模式或猜数字模式
- oled显示判别结果
作品快照
FDC2214驱动
代码已上传至码云
https://gitee.com/niuwengang/BlogShare/blob/master/FDC2214_K60_IAR8_1.zip
未完待更---