【ESP32】手势识别实现笔记：红外温度阵列 | 双三次插值 | 神经网络 | TensorFlow

一、开发环境搭建与新建工程模板
二、驱动移植与应用开发
- 2.1、I2C驱动移植与AMG8833应用开发
- 2.2、SPI驱动移植与LCD应用开发
- 2.3、绘制温度云图
- 2.4、启用PSRAM（可选）
- 2.5、画面动静和距离检测
- [2.6、图像放大之双三次插值法：权重计算 | 插值计算 | 程序设计](#2.6、图像放大之双三次插值法：权重计算 | 插值计算 | 程序设计)
四、数据集获取
五、CNN模型训练
- [5.1、环境配置：Anconda3 | TF2.1.0 | Pycharm](#5.1、环境配置：Anconda3 | TF2.1.0 | Pycharm)
- [5.2、生成数据集 | 预处理](#5.2、生成数据集 | 预处理)
- - [5.2.1、生成数据集：统计数据集 | 数据集随机化 | 数据集划分](#5.2.1、生成数据集：统计数据集 | 数据集随机化 | 数据集划分)
  - [5.2.2、预处理：string类型转换为float | 数据标准化 | one-hot encoding](#5.2.2、预处理：string类型转换为float | 数据标准化 | one-hot encoding)
- 5.3、构建训练模型
- 5.4、训练结果保存和准确率
- 5.5、ONNX模型转换和校准集导出
六、模型量化与部署
- 6.1、模型量化
- 6.2、ESP-DL组件添加
- [6.3、ESP 数据标准化（网络输入）](#6.3、ESP 数据标准化（网络输入）)
- 6.4、构建模型与优化
- 6.5、ESP硬件加速：修改sdkconfig配置
七、应用逻辑设计
- [7.1、获取静止状态手势 | 定时器引入](#7.1、获取静止状态手势 | 定时器引入)
- 7.2、交互方式选择：交互方式1
- 7.3、交互方式选择：交互方式2
八、others
- 8.1、跑一下示例程序（MNIST）
- 8.2、数据集补充程序

开发板 ：ESP32-S3-DevKitC-1（ESP32-S3-WROOM-1-N16R8模块）
开发软件 ：VS Code(Espressif IDF插件) + Anaconda3 + PyCharm
开发框架 ：ESP-IDF (版本v5.0.4)
训练框架 ：TensorFlow 2.1.0
部署框架 ：ESP-DL

💡💡💡💡：在STM32上跑神经网络做手势识别 🚀

🌎 仓库：https://gitee.com/npc-gitee/esp_dl_for_bixin 🚀

🔍 如理解有误，望不吝指正，感谢。

📍说明：

不同手势姿态之间需要具有明显的不同，在使用过程中，手势姿态需要做到位；（可能数据集不足）
影响体表温度的因素比较多，由于影响因素的变化，存在部分位置接近环境温度情况，所以即使加入了数据标准化，依然存在推理不准问题；（可能数据集不足）
在使用测试中，某个动作出现判断出错，可以将该动作添加到数据集中，在上一次权重文件基础上再训练，修修补补；
距离传感器较远，细节难以捕捉，不同手势差异较小，已经无法通过增加数据集来提高预测正确率；
该数据集动作主要在中心位置，所以使用过程中动作保持在中心；
本示例通过分类任务实现手势识别，如果出现新的手势类别，预测结果就很迷，采用RNN、LSTM等的方式，使用效果应该会较好。

一、开发环境搭建与新建工程模板

1.1、开发环境搭建与卸载

考虑 ESP-DL 库所支持的版本为 ESP-IDF v5.0，所以这里安装的不是最新版本。

在安装 VS Code插件 (Espressif IDF) 后，可以选择两种安装方式：

在线安装+自动配置 🚀
离线安装+手动配置 🚀 （该教程使用的编译操作为 cmd 的方式）

这里采用离线安装+手动配置（VS Code下完成程序编辑和编译操作） 💡。

① ESP-IDF 开发环境搭建：

下载ESP-IDF离线版本：ESP-IDF Windows Installer Download 🚀
离线安装 ESP-IDF，安装完成后，安装路径下有三个重要的目录；
- frameworks/esp-idf-v5.0.4：内含示例代码和组件源代码等；
- tools：编译器等程序；
- python_env/idf5.0_py3.11_env：python虚拟运行环境，内含python.exe、pip.exe以及依赖的库等。
打开 VS Code，安装插件 Espressif IDF;
VS Code 手动配置；
a) 打开vscode左侧的插件管理页 => 找到espressif idf => 点击该插件旁边的小齿轮 => 扩展设置，就能看到 ESP-IDF 的配置属性；
b) 将路径信息添加到这些变量中：Custom Extra Paths、Custom Extra Vars、Esp Idf Path Win、Esp Idf Path Win、Git Path、Python Bin Path、Tools Path Win；（参考：esp32 开发环境：windows10 + esp-idf v4.4 + vscode + 插件 espressif idf 搭建踩坑 🚀）
重启一下VS Code。

② 打开一个Example进行测试：

按住Ctrl+Shift+p打开命令行，这里输入ESP-IDF show ，点击 ESP-IDF: Show Eaxmples Projects，点击需要使用的 ESP-IDF 路径；
左边栏中选择 hello word 工程，点击 Create project using example hello_world。

选择这个项目的保存路径，任意路径均可；
烧录过程配置；

COM 口的配置，选择对应的COM口；

ESP32芯片选择，这里选ESP32s3；

烧录方式选择串口转USB： ESP32-S3 chip(via ESP-PROG)

设置波特率：File => Preferences => Settings => 输入ESP-IDF，然后往下滑找到 Flash Baud Rate，输入115200。（波特率不同，会导致终端输出乱码）

点击编译，成功后就可以进行烧录了。

③ 卸载ESP-IDF： 控制面板 => 卸载程序 => ESP-IDF Tools Offline 5.0.4 右键卸载。（VS Code 下的配置直接重置就好）

1.2、新建工程目录

打开VS Code，此时界面可能是很干净，没有打开项目；这里需要随便打开一个目录（不然第二步操作完发现没响应）；
按住Ctrl+Shift+p打开命令行，输入ESP-IDF: Create project from extension template，点击；然后就按照提示操作就可以了；
选择项目保存目录；
这里选择template-app，接着就弹出了一个新的VS Code界面，关掉前一个VS Code界面；
这时候指定目录下就有一个生成的文件夹，修改文件夹名称，方便以后管理（该操作不影响编译）；
打开该目录根目录下的 CmakeLists.txt，将 project(template-app) 修改为 project(xxx)，这样之后生成的可执行文件的名称就是xxx.bin，而不是 template-app.bin。点击一下编译查看是否有问题。

1.3、自定义组件

到这一步就可以开发了，为了项目条理更加清晰，还需要引入【自定义组件】。

一般而言，自定义组件可以简单理解为一个目录，里面存放一些功能函数，提供给main函数进行调用。

打开 ESP-IDF 5.0 CMD 终端，切换到待创建的目录，输入idf.py -C components create-component led；（当然可以手动创建目录和文件）

components ：创建的组件(目录)，位于那个目录下，如果没有这个目录就创建，Cmake管理默认的目录名称叫 components，如果起了其它名称，需要用 EXTRA_COMPONENT_DIRS 变量进行说明。

在所在项目根目录下的CmakeLists.txt 中加入这条语句：set(EXTRA_COMPONENT_DIRS ./新名字)

led：组件的名称。

生成后项目目录树如下：

c 复制代码

---Test
    |---.devcontainer
    |---.vscode
    |---build
    |---CMakeLists.txt
    |---sdkconfig
    |---components
            |---led
                 |---include
                        |---led.h
                 |---CmakeLists.txt
                 |---led.c
            |---key
                 |---include
                        |---key.h
                 |---CmakeLists.txt
                 |---key.c
     |---main
           |---CmakeLists.txt
           |---main.c

将组件中的头文件添加到main.c中，这样就可以进行编译了。
如果led组件需要key组件的函数，则：
- led.h 中加入 #include "key.h"
- 方式一：led 组件中的 CmakeLists.txt 中加入头文件路径：INCLUDE_DIRS "include" "../key/include"（注意这里可是没指定链接路径，但还是能找到）
- 方式二：led 组件中的 CmakeLists.txt 中加入依赖组件：REQUIRES driver key（这里led依赖两个组件：driver和key）
在 IDF 5.0 的版本之后，driver 组件不作为公共依赖项，所以使用的时候，必须在 CmakeLists.txt 中声明依赖 driver 组件后才能使用：

c 复制代码

idf_component_register(SRCS "led.c"
                    INCLUDE_DIRS "include"
                    REQUIRES driver)

如果没有添加这个组件，则会报错：driver/gpio.h: No such file or directory 🚀
REQUIRES 和 PRIV_REQUIRES 的区别：组件依赖示例 🚀

参考：

[1]: ESP-IDF编程指南 🚀

[2]: ESP---IDF开发（1）创建模板工程 🚀

[3]: ESP32学习笔记（21）------构建自己的工程和组件库 🚀

[4]: ESP32 ESP-IDF自定义组件 🚀

[5]: ESP32开发 CMakeLists包含同级目录.h文件，error: gpioX.h: No such file or directory 🚀

二、驱动移植与应用开发

管脚布局：

I2C0引脚资源使用情况： 支持任意 GPIO 管脚

c 复制代码

  ------------------------------------
  |   AMG8833       |   ESP32        |
  ------------------------------------
  |   VIN           |   3.3V         |
  |   GND           |   GND          |
  |   SCL           |   GPIO2        |
  |   SDA           |   GPIO1        |
  |   INT           |   /            |
  |   AD0           |   GND          |  
  ------------------------------------

SPI3引脚资源使用情况： 支持任意 GPIO 管脚

c 复制代码

  ------------------------------------
  |  LCD Screen     |   ESP32        |
  ------------------------------------
  |  GND            |   GND          |
  |  VCC            |   VCC(3.3v)    |
  |  SCL            |   GPIO5(SCLK)  |
  |  SDA            |   GPIO6(MOSI)  |
  |  RES            |   GPIO7        |
  |  DC             |   GPIO15       |
  |  CS             |   GPIO16       |
  |  BLK            |   GPIO17       |
  ------------------------------------

2.1、I2C驱动移植与AMG8833应用开发

ESP32-S3 有2个 I2C 控制器，每个控制器都可以设置为主机或从机，本次示例中作为主机使用。

当 8x8 中某个测点出现超过极限值就会触发INT引脚电平变化，ESP32 通过 INT 引脚触发外部中断；ESP32 通过读取寄存器的值就可以确定哪个矩阵测点触发电平变化。
AMG8833 SCL最大支持 400kHz。
AD0（AD_SELECT）为 I2C设备地址选择脚。拉低，设备地址为110 1000，即0x68。拉高，设备地址为110 1001，即0x69。
EPS32-S3 的 I2C 引脚原则上可选择任意引脚 ，在 I2C 初始化的时候指定即可，并将引脚设置为 Enable GPIO pull-up resistor。

" ESP32-S3 的内部上拉电阻范围为几万欧姆，因此在大多数情况下，它们本身不足以用作 I2C 上拉电阻。建议用户使用阻值在 I2C 总线协议规范规定范围内的上拉电阻。计算阻值的具体方法，可参考 TI 应用说明 🚀 " ------ ESP-IDF 编程指南（API参考=>外设API=>I2C驱动程序）

对于AMG8833而言，可以直接使用而不用外接上拉电阻。

主机写入数据：

使用 i2c_cmd_link_create() 创建一个命令链接。然后，将一系列待发送给从机的数据填充命令链接：
a. 启动位 - i2c_master_start()
b. 从机地址 - i2c_master_write_byte()。提供单字节地址作为调用此函数的实参。
c. 数据 - 一个或多个字节的数据作为 i2c_master_write() 的实参。
通过调用 i2c_master_cmd_begin() 来触发 I2C 控制器执行命令链接。一旦开始执行，就不能再修改命令链接。（一般报错出现在该语句）
命令发送后，通过调用 i2c_cmd_link_delete() 释放命令链接使用的资源。

主机读取数据 的步骤基本相似。

ESP-IDF 对这两个过程进行了封装：

主机读取数据：i2c_master_write_read_device()
主机写入数据： i2c_master_write_to_device()

基本过程同上面一致，本示例依据这两个函数源代码，进行简单修改。

AMG8833 需要进行初始化寄存器：正常读取前需要进行初始化操作。

Power Control寄存器：设置AMG8833的工作模式；
Reset寄存器：进行软复位；
Frame Rate寄存器：设定帧率；
Interrupt Control寄存器：配置中断功能；

AMG8833 Temperature寄存器：红外点阵测量的温度值。

两个寄存器的数据组合起来获得一个测点的温度值。有12位数据，最高位为符号位，0为正，1为负。最小变化单位为0.25℃。

在读取64个像素点温度值时候，I2C只需要指定第一个寄存器地址以及读取的字节数量，AMG8833自动发送后面地址的数据。

amg8833的初始化程序、读写程序等功能函数参考Arduino框架下的程序。

ESP32-S3-Devkitc-1 开发板在Arduino IDE 中找不到对应的板子，此时更新一下即可。（工具 => 开发板: "xxx" => 开发板管理器...）

cpp 复制代码

/* Arduino框架下测试代码, 用于对比在ESP-IDF框架下驱动与应用是否正常
 * 这里在测试代码的基础上增加/修改了两条语句:
 * => Wire.setPins(1,2); // 设置新的I2C引脚
 * => status = amg.begin(0x68, &Wire); //amg8833初始化, 0x68为amg8833设备地址
*/

#include <Wire.h>
#include <Adafruit_AMG88xx.h>

Adafruit_AMG88xx amg;

float pixels[AMG88xx_PIXEL_ARRAY_SIZE];

void setup() {
    Serial.begin(9600);
    Serial.println(F("AMG88xx pixels"));

    bool status;
    Wire.setPins(1,2); //new SDA SCL pins
    // default settings
    status = amg.begin(0x68, &Wire);
    if (!status) {
        Serial.println("Could not find a valid AMG88xx sensor, check wiring!");
        while (1);
    }
    
    Serial.println("-- Pixels Test --");

    Serial.println();

    delay(100); // let sensor boot up
}


void loop() { 
    //read all the pixels
    amg.readPixels(pixels);

    Serial.print("[");
    for(int i=1; i<=AMG88xx_PIXEL_ARRAY_SIZE; i++){
      Serial.print(pixels[i-1]);
      Serial.print(", ");
      if( i%8 == 0 ) Serial.println();
    }
    Serial.println("]");
    Serial.println();

    //delay a second
    delay(1000);
}

参考：

[1]: ESP_IDF---I2C 驱动程序 🚀

[2]: ESP32 之 ESP-IDF 教学（六）------硬件I2C总线外设（I²C） 🚀

[3]: AMG8833的使用与stm32驱动代码 🚀

[4]: ESP32 I2C自定义引脚 🚀

[5]: ESP32-S3入门Arduino开发（一）--Arduino环境搭建 🚀

2.2、SPI驱动移植与LCD应用开发

ESP32-S3-DevKitC-1 开发板采用 ESP32-S3-WROOM-1/1U 或 ESP32-S3-WROOM-2/2U 模组，而这些模组采用 ESP32-S3芯片。

ESP32-S3 芯片集成了四个 SPI 控制器：

SPI0
SPI1
通用 SPI2，即GP-SPI2
通用 SPI3，即GP-SPI3

SPI0 和 SPI1 控制器主要供内部使用以访问外部 flash 及 PSRAM，如上图所示。这里采用 SPI3 作为 LCD 通信控制器。

SPI有多种模式：为兼容LCD通信规范，这里采用普通 SPI 模式。

普通 SPI 模式
双线输出模式
双线输出模式
四线输出模式
四线 I/O 模式
八线输出模式
OPI 模式

MOSI：主机输出，从机输入，也写作SPID；

MISO：主机输入，从机输出，也写作SPIQ；

CS：片选，表示设备被选中；

SCLK：串行时钟，由主机产生的振荡信号，使数据位的传输保持同步；

QUADWP：写保护信号。只用于 4 位 (qio/qout) 传输；

QUADHD：保持信号。只用于 4 位 (qio/qout) 传输。

LCD驱动和应用编写：

SPI初始化：引脚指定、频率、最大传输数据大小、是否开启DMA等，主要配置 spi_bus_config_t 和 spi_device_interface_config_t 结构体；通过 spi_bus_initialize 和 spi_bus_add_device 函数完成配置；

spi_bus_config_t 结构体成员 max_transfer_sz 表示最大传输大小，以字节为单位。

若一次传输超过 max_transfer_sz 设置的大小，则会出现：txdata transfer > host maximum 错误；

若 max_transfer_sz 设置的大小过大（测试过程中使用大于36000），出现 SPI 传输不完全。
根据 ESP32-S3 系列芯片技术规格书，SPI3 可指定为任意 GPIO 管脚。
按照 Arduino 框架驱动程序，LCD 采用的 SPI 时钟频率为 27Mhz。

普通GPIO初始化：DC、RST、BCK引脚不在SPI协议所规定的引脚，所以需要单独进行初始化；

对于SPI协议本身而言，传输信息不区分命令和数据，LCD从设备收到信息的时候，需要区分命令和数据，这里通过 DC 引脚电平信号加以区分，当DC为低电平时，SPI传输的是命令，当DC为高电平时，SPI 传输的数据。

编写命令/数据SPI发送函数；
编写LCD初始化；
编写矩形绘制和图片显示函数，验证程序工作正常。

xxx.h: No such file or directory

跳转能正常，但是编译的时候提示没有这个文件，通过清除一下编译的中间文件，然后再编译就可以了。

AMG8833/LCD与ESP32之间采用杜邦线连接，杜邦线受到外界扰动会影响I2C和SPI的通信。

参考：

[1]: ESP32-IDF开发笔记 | 03 - 使用SPI外设驱动ST7789 SPILCD 🚀

[2]: 【ESP32-IDF】 02-4 外设-SPI 🚀

[3]: ESP-IDF 编程指南：SPI 主机驱动程序 🚀

2.3、绘制温度云图

camColors全局变量数组，里面保存颜色数据（RGB565），共有256种颜色，0索引保存为蓝色，255索引保存为红色。

最大温度记作： T m a x T_{max} Tmax；最小温度记作： T m i n T_{min} Tmin；当前温度记作： T c u r T_{cur} Tcur。

最小索引值记作： i d x idx idx。

建立温度和颜色的映射关系：

T m a x − T m i n 255 − 0 = T c u r − T m i n x − 0 \frac{T_{max}-T_{min}}{255-0}=\dfrac{T_{cur}-T_{min}}{x-0} 255−0Tmax−Tmin=x−0Tcur−Tmin

转换为：

x = 255 ∗ T c u r − T m i n T m a x − T m i n x=255*\dfrac{T_{cur}-T_{min}}{T_{max}-T_{min}} x=255∗Tmax−TminTcur−Tmin

Arduino 框架官方提供了映射函数------map函数，主题思想一致的，细节上有些差异，具体表示如下：

x = 255 ∗ ( T c u r − T m i n ) + ( T m a x − T m i n ) / 2 T m a x − T m i n + i d x = 255 ∗ T c u r − T m i n T m a x − T m i n + 0.5 + i d x x=\dfrac{255*{(T_{cur}-T_{min})}+(T_{max}-T_{min})/2}{T_{max}-T_{min}}+idx=255*\dfrac{T_{cur}-T_{min}}{T_{max}-T_{min}}+0.5+idx x=Tmax−Tmin255∗(Tcur−Tmin)+(Tmax−Tmin)/2+idx=255∗Tmax−TminTcur−Tmin+0.5+idx

浮点型赋值给整型，小数部分舍去，这里加上0.5，实现四舍五入。

最大温度和最小温度选择？

假设待测温度区间为20-25℃，若设置最大温度为30℃、最小温度0℃，那么对于256种颜色，用于表示20-25℃区间的颜色约为(30-0)/256*5=43种；若设置最大温度为30℃、最小温度15℃，用于20-25℃区间的颜色约为(30-15)/256*5=85种，用于显示的颜色越多，显示跨度越大，越能显示温度的细微变化，显示效果更好，所以最大温度和最小温度的跨度不要太大。
温度云图显示上下颠倒问题

从AMG8833读入ESP32内存的时候，点阵的左右顺序没有打乱，上下顺序倒了一下，所以在LCD显示的时候出现了上下翻转，这里另外写一个功能函数将点阵顺序调整为amg8833原先的顺序。

2.4、启用PSRAM（可选）

选用的芯片 ESP32-S3 N16R8（片内PSRAM 8MB + 片外FLASH 16MB），内部 SRAM 只有 512 KB，考虑显示一张 240x240 的图片需要的内存大小为 240x240x2=115200 Bytes=112.5KB，所以这里可以考虑采用PSRAM作为显存。（本示例中显示区域较小，所以没有使用）

点击齿轮
输入 RAM查找一下两项，勾选Support for external, SPI-connected RAM以及模式选择Octal Mode PSRAM。
选择Make RAM alloctable using heap_caps_malloc(...,MALLOC_CAP_SPIRAM)，也可以选择Make RAM allocatable using malloc() as well，之所以选择前者是从存储器的使用上考虑：若从片上 SRAM 分配空间，则使用malloc函数，若从片外 PSRAM 上分配空间，则使用heap_caps_malloc函数。
其它参数可使用默认。
保存，然后编译。

报错: psram: PSRAM ID read error: 0x00ffffff
\, \, \, \, \, \, \, \, \, \, \, cpu_start: Failed to init external RAM!

解决：模式选择Octal Mode PSRAM

参考：ESP32 s3 PSRAM ID read error: 0x00ffffff 已解决。 🚀
问题：assert failed: block_trim_free heap_tlsf.c:377 (block_is_free(block) && "block must be free")

解决： 如果较快的申请资源和释放资源可能会出现这个问题（ESP-IDF4.4），可以尝试增加一下延时函数vTaskDelay(100 / portTICK_PERIOD_MS)。

2.5、画面动静和距离检测

为什么要做画面动静判断？

1.在不使用 RNN/LSTM 的情况下，如果一个动作一直保持，那么就会认为做了多个相同的动作，那么就会根据这个结果执行多次；

如果使用 RNN/LSTM ，数据集创建工作量较大。所以综合考虑，结合画面动静判断和CNN网络实现手势识别。

这里画面动静判断采用帧间差分法 ，以目标温度较小值为分界点，区分背景和目标，将两帧温度矩阵（24x24）的对应点进行相减，并取其绝对值，若大于阈值（目标和背景采用不同阈值 ）则计数值加1，当计数值大于某个值（距离不同，检测到目标的大小也不同，这个值是实时调整）后，则认为画面中存在运动目标。

在实现过程中，由于对比两帧数据，所以需要保存前一帧温度矩阵数据，一帧数据大小为24x24x4(float) = 2.25KB，这里采用 异步内存拷贝(Asynchronous Memory Copy)，其核心技术在于DMA，通过给DMA发送命令，实现内存拷贝，此时不需要CPU参与，当传输完成后通过回调函数发送信号通知被阻塞的任务。

异步内存拷贝：

cpp 复制代码

/*-------------------> 安装 <-------------------*/
config = ASYNC_MEMCPY_DEFAULT_CONFIG();
config.backlog = 16; // update the maximum data stream supported by underlying DMA engine
async_memcpy_t mem_driver = NULL;
ESP_ERROR_CHECK(esp_async_memcpy_install(&config, &mem_driver)); // install driver with default DMA engine

SemaphoreHandle_t my_semphr = xSemaphoreCreateBinary(); // Create a semaphore used to report the completion of async memcpy


/*--------------> 发送内存拷贝请求 <--------------*/
ESP_ERROR_CHECK(esp_async_memcpy(mem_driver, out_img_buf_pre, out_img_buf, COPY_LEN, my_async_memcpy_cb, &myflags));

/*-----------> 拷贝完成后调用回调函数 <-----------*/
// Callback function, running in ISR context
static bool my_async_memcpy_cb(async_memcpy_t mcp_hdl, async_memcpy_event_t *event, void *cb_args)
{
    /*可自定义标志*/
    
    BaseType_t high_task_wakeup = pdFALSE;
    xSemaphoreGiveFromISR(my_semphr, &high_task_wakeup); // high_task_wakeup set to pdTRUE if some high priority task unblocked
    return high_task_wakeup == pdTRUE;
}

/*-----------> 阻塞等待内存拷贝完成 <-----------*/
xSemaphoreTake(my_semphr, portMAX_DELAY); // Wait until the buffer copy is done

画面动静判断逻辑：

cpp 复制代码

//获取第一帧24x24温度矩阵
readPixels{}
//保存第一帧数据
mem2mem{
	1.发送内存拷贝请求
	2.sigflag = 1
}

while(1){
	readPixels{} //获取24x24温度矩阵
	motion_detection{
		if(sigflag == 1){
			1.阻塞等待内存拷贝完成
			2.sigflag == 0
		}
		
		/*画面动静判断*/
		
		if(运动){
			mem2mem{} // 如果运动, 保存当前帧数据
		}
		else{ // 静止, 不保存数据
		}
	}
}

获取第一帧24x24温度矩阵；
保存第一帧数据；
获取第二帧24x24温度矩阵；
因为是第一帧，所以等待第一帧保存完成；
判断是否运动，若为运动，保存当前帧(第二帧)，下一次和第二帧做比较，若为静止，不用保存，下一次和第一帧做比较；
开始第二次循环，获取第三帧24x24温度矩阵；
是否之前有保存操作，没有就不用阻塞等待，有就阻塞等待；
判断是否运动，继续循环往复。

为什么运动时候保存当前帧，静止时候不保存当前帧？

如果每一帧都保存，当动~~~作~~~比~~~较~~~慢~~~时，那么连续两帧比较的时候就会认为没有运动，保存当前帧，之后获取下一帧，同样变化小，认为没有运动，导致最后动作很大了，还是认为没有运动；若静止的不保存，前一帧保存的是最原先的一帧数据，虽然动作慢，但幅度达到一定大小后，就会认为运动了。
考虑自适应参数：如果距离比较远，那么目标比较小，动作也会不容易捕捉，如果距离比较近，捕捉比较敏感，所以考虑引入自适应参数，动态调整阈值和点阵数量(通过大于某个温度的像素点个数确定目标大小，从而判断远近)。

参考：

[1]: 运动目标检测------帧间差分法(Temporal Difference)简介 🚀

[2]: winform 画面关闭返回值_opencv+python判断画面动静 🚀

[3]: The Async memcpy API 🚀

为什么要做目标距离判断？

这里的距离指的是远近，若捏住+近距离的特征表示左移，若捏住+远距离的特征表示右移，那么在使用过程中需要自己把握这个距离，因此，考虑引入距离检测，当发现用户捏住行为，然后捕捉动作，若为靠近，则认为左移，若为远离，则认为右移。

目标距离检测实现原理：靠近传感器温度高，远离传感器温度低。

这种方式存在一个问题 ：如果目标远离检测范围那么温度也会下降，进入检测范围那么温度也会上升，更复杂是前后左右平移+上下平移的复合动作，这里暂时不考虑，只考虑上下平移。🔍

2.6、图像放大之双三次插值法：权重计算 | 插值计算 | 程序设计

对于低分辨图像在高分辨率的设备上显示，如果不做任何处理，那么实际显示区域会很小，为了扩大显示区域，就需要对低分辨率的图像进行数值图像放大处理 ，就是将低分辨率的图像变成高分辨率的图像，多出来的像素怎么获得？------ 插值算法。

虽然变成了高分辨率图像，但是这是由低分辨率的数据生成的，所以不会很高清。

常见的插值算法：自适应 和非自适应 。

非自适应算法：最近邻，双线性，双三次，样条等。双三次插值效果较好，但是时间开销比较大。

基本步骤：

计算权重
计算放大图像后的像素值

1、权重计算

原图片：8x8

放大后的图片：16x16

将【放大后的图片】缩小到【原图片】的大小，如下图所示：

缩小后，每个像素（共16x16个）都需要计算权值。当计算某个像素权值时，取该像素上下左右邻近的四个点，在这四个点为基础，向外再扩充一圈，总共取16个点，如下图所示：

将上面的距离数据代入权重计算公式：

W ( x ) = { ( a + 2 ) ∣ x ∣ 3 − ( a + 3 ) ∣ x ∣ 2 + 1 f o r ∣ x ∣ ≤ 1 a ∣ x ∣ 3 − 5 a ∣ x ∣ 2 + 8 a ∣ x ∣ − 4 a f o r 1 ≤ ∣ x ∣ ≤ 2 0 o t h e r s W(x)= \begin{cases} (a+2)|x|^3-(a+3)|x|^2+1 \,\,\,\,\,\,\,\,\,for\,\,\, |x|≤1\\ a|x|^3-5a|x|^2+8a|x|-4a \,\,\,\,\,\,\,\,\,\,\,\, for \,\,\, 1≤|x| ≤2\\ 0 \,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,others \end{cases} W(x)=⎩ ⎨ ⎧(a+2)∣x∣3−(a+3)∣x∣2+1for∣x∣≤1a∣x∣3−5a∣x∣2+8a∣x∣−4afor1≤∣x∣≤20others

式中， x x x 为目标像素点距离邻近像素点的距离； a a a 一般取 − 0.5 -0.5 −0.5。

对于【米黄色】的点，X轴方向距离为0.6，Y轴方向距离为1.3。

X轴方向：
W ( x ) = ( a + 2 ) ∣ x ∣ 3 − ( a + 3 ) ∣ x ∣ 2 + 1 = ( − 0.5 + 2 ) ∗ ∣ 0.6 ∣ 3 − ( − 0.5 + 3 ) ∗ ∣ 0.6 ∣ 2 + 1 = 0.424 \begin{aligned} W(x) &= (a+2)|x|^3-(a+3)|x|^2+1 \\ &= (-0.5+2)*|0.6|^3-(-0.5+3)*|0.6|^2+1\\ &= 0.424 \end{aligned} W(x)=(a+2)∣x∣3−(a+3)∣x∣2+1=(−0.5+2)∗∣0.6∣3−(−0.5+3)∗∣0.6∣2+1=0.424
Y轴方向：
W ( y ) = a ∣ x ∣ 3 − 5 a ∣ x ∣ 2 + 8 a ∣ x ∣ − 4 a = ( − 0.5 ) ∗ ∣ 1.3 ∣ 3 − 5 ∗ ( − 0.5 ) ∗ ∣ 1.3 ∣ 2 + 8 ∗ ( − 0.5 ) ∗ ∣ 1.3 ∣ − 4 ∗ ( − 0.5 ) = − 0.0735 \begin{aligned} W(y) &= a|x|^3-5a|x|^2+8a|x|-4a \\ &= (-0.5)*|1.3|^3-5*(-0.5)*|1.3|^2+8*(-0.5)*|1.3|-4*(-0.5)\\ &= -0.0735 \end{aligned} W(y)=a∣x∣3−5a∣x∣2+8a∣x∣−4a=(−0.5)∗∣1.3∣3−5∗(−0.5)∗∣1.3∣2+8∗(−0.5)∗∣1.3∣−4∗(−0.5)=−0.0735

对于【浅绿色】的点，X轴方向距离为1.6，Y轴方向距离为1.3。

X轴方向：
W ( x ) = a ∣ x ∣ 3 − 5 a ∣ x ∣ 2 + 8 a ∣ x ∣ − 4 a = ( − 0.5 ) ∗ ∣ 1.6 ∣ 3 − 5 ∗ ( − 0.5 ) ∗ ∣ 1.6 ∣ 2 + 8 ∗ ( − 0.5 ) ∗ ∣ 1.6 ∣ − 4 ∗ ( − 0.5 ) = − 0.048 \begin{aligned} W(x) &= a|x|^3-5a|x|^2+8a|x|-4a \\ &= (-0.5)*|1.6|^3-5*(-0.5)*|1.6|^2+8*(-0.5)*|1.6|-4*(-0.5)\\ &= -0.048 \end{aligned} W(x)=a∣x∣3−5a∣x∣2+8a∣x∣−4a=(−0.5)∗∣1.6∣3−5∗(−0.5)∗∣1.6∣2+8∗(−0.5)∗∣1.6∣−4∗(−0.5)=−0.048
Y轴方向：
W ( y ) = a ∣ x ∣ 3 − 5 a ∣ x ∣ 2 + 8 a ∣ x ∣ − 4 a = ( − 0.5 ) ∗ ∣ 1.3 ∣ 3 − 5 ∗ ( − 0.5 ) ∗ ∣ 1.3 ∣ 2 + 8 ∗ ( − 0.5 ) ∗ ∣ 1.3 ∣ − 4 ∗ ( − 0.5 ) = − 0.0735 \begin{aligned} W(y) &= a|x|^3-5a|x|^2+8a|x|-4a \\ &= (-0.5)*|1.3|^3-5*(-0.5)*|1.3|^2+8*(-0.5)*|1.3|-4*(-0.5)\\ &= -0.0735 \end{aligned} W(y)=a∣x∣3−5a∣x∣2+8a∣x∣−4a=(−0.5)∗∣1.3∣3−5∗(−0.5)∗∣1.3∣2+8∗(−0.5)∗∣1.3∣−4∗(−0.5)=−0.0735

若插值的像素点落在原图内部网格上，16个点怎么取？

对于这种情况，可以有两种选择，要么认为位于左侧网格，要么认为位于右侧网格，在做插值处理的时候，需要做到统一。（落在上下网格也有相同的情况，也需要做到统一）

这里统一为左上。
若插值的像素点落在原图边界上，16个点怎么取？

将原图进行padding处理，往外部扩两层，像素值与原图边界值相同。

每个插值的像素都是由16个原图中像素加权计算所得，每一行X轴方向权重相同，每一列Y轴方向权重相同 ，所以一个插值的像素需要进行8次权重计算。

2、插值计算

计算红点位置的像素值，取4x4区域中的16个点。

然后计算原图像素和权重的Hadamard积：

Hadamard积：矩阵相同位置元素相乘，数学符号 ⊙ \odot ⊙。

最后，将矩阵中所有元素相加得到了插值的像素值。

由上图可知：

当距离为0的时候， W = 1 W=1 W=1
当距离为-1或1的时候， W = 0 W=0 W=0
当距离为-2或2的时候， W = 0 W=0 W=0

所以当【放大后的图片】像素点与【原图片】像素点重合的时候，距离绝对值取值可能为0、1和2，那么最后插值计算的结果就是重合原图片像素点。

参考：

[1]: 用于数字成像的双三次插值技术 🚀

[2]: 插值算法｜双三次插值算法 🚀（视频中a = -0.75）

3、程序设计

按照上述基本原理进行程序实现，具体函数在 gesture_display.cpp 文件中，其中有两个主要接口：

interpolate_image函数：实现8x8温度值放大成24x24温度值；
temp_cloud_map_display函数：将温度值通过云图方式在LCD上显示；

c 复制代码

+----------------------------------------------------------------------------+
|                                           +-------------------------------+|
| ==> getW_x() ==> weight_xy_adjust2D() ==> | matrix_hadamard_pruduct()     ||
| ==> getW_y() ==> weight_xy_adjust2D() ==> | img_matrix_hadamard_pruduct() ||
| ==> img8x8_pad_to_img12x12() ===========> | matrix_elem_sum()             ||
|                                           +-------------------------------+|                                           
|----------------------------------------------------------------------------|
| *************************   interpolate_image()  ************************* |
+----------------------------------------------------------------------------+

img8x8_pad_to_img12x12()：将8x8矩阵通过padding的方式变成12x12矩阵。

报错：A stack overflow in task main has been detected.

在 app_main 主函数中调用函数A，正常运行，再函数A之后加入函数B后，在函数A调用的时候出现了上述报错。

解决：增加 app_main 任务的栈空间大小。

点击齿轮 => 输入Main task stack size => 修改为10240（10K）

上面是一种方式，当然menuconfig的方式也是可以的。

手动修改sdkconfig是无效的。

参考：

[1]: idf v4.3 uses libmad，***ERROR*** A stack overflow in task main has been detected (IDFGH-6020) #7706 🚀

[2]: how to set app_main stack size? (IDFGH-2318) #2824 🚀

[3]: ESP32 之 ESP-IDF 教学（十八）------ 组件配置（KConfig） 🚀
报错：assert failed: tlsf_free heap_tlsf.c:872 (!block_is_free(block) && "block already marked as free")

原因：在C代码改写成C++代码过程中，col_buf缓冲区在构造函数中申请堆空间，按正常来说在析构函数中释放堆空间，但是在LCD显示函数中释放掉了，所以第二次访问col_buf空间的时候报错了。
（本示例中没采用）

设想1：优化处理速度：采用双核运行，创建任务后不销毁，当处理完成一个任务后，将这个任务挂起，当下一次任务来的时候再恢复调度。

设想2：权重的计算可以提前算好，保存起来PSRAM，但是如果计算速度比PSRAM读写速度快，就没有必要。

参考：

[1]: 图像的放大：双三次插值算法（C++实现） 🚀

四、数据集获取

上位机程序（PC）：get_data/get_data.py

下位机程序（ESP32）：get_data/esp_dl_for_bixin

使用逻辑：

LCD显示采集温度云图，若符合要求，按下键盘任意键+回车；
按下后，通过串口发送给ESP32，ESP32收到命令后，申请互斥锁，阻塞温度采集和插补计算，绘制当前温度云图，确认温度云图是否符合预期；
上位机输入标签或者放弃该数据，若输入数字标签（0-背景，1-放大，2-捏住，3-减小），则将命令发送给ESP32，等待ESP32将点阵数据发送；若放弃，输入数字4，则将命令发送给ESP32，重新进行温度采样；
PC设备在收到串口数据后，复原图像，然后根据标签将数据和图片保存到对应目录下，文件名自动加1；（若上位机程序中途退出，下次运行时候，需要将当前的文件数量覆盖num1/num2/num3/num3变量）
然后重新开始第一步。

对于一组动作，当采集第一个动作，然后进行插补计算，之后的动作可能就没有采集到，只要单片机处理速度够快，这种漏采的帧数就较少。
数据保存到 txt 文件中，24行24列，由8行8列数据插补而来，其对应AMG8833的点阵序号为：
bash 复制代码
|---------------------------------------|
| 58 | 59 | 60 | 60 | 61 | 62 | 63 | 64 |
|                  ...                  |
|                  ...                  |
| 9  | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| 1  | 2  | 3  | 4  | 5  | 6  | 7  | 8  |
数据采集过程中，动作可以考虑从不同角度、不同距离采集。
get_data.py 编程注意点：

windows环境下路径为：D:/xxx/1.jpg

不允许一个串口被多个进程使用，所以如果使用多进程编程，串口在创建多进程前打开，子进程会继承父进程的所有文件描述符，那么就会出现报错。

python语法中，除法 ' / ' 总是返回一个浮点数，除法 ' // ' 若除数和被除数存在浮点，则返回浮点，否则返回整数。

for i in range(0, 24) # 0开始到23结束。

image.putpixel 其中一个参数为xy，表示往图像xy位置写入RGB，所以代码中传入的参数为(j,i)。

ser.flushInput() 的用途是再接收温度数据前，防止串口接收缓冲区中存在其它数据，导致接收错误数据，通过这个函数清空串口输入缓冲区。
对于插补结果上锁考虑：

插补的结果作为临界资源呢，防止将数据发送给PC过程中，数据被更改；

既然要发送，那么在发送过程中，不需要进行数据采集、插补计算、LCD显示，这个任务可以暂时停止，通过上锁的方式实现任务阻塞等待。
【get_data.py 报错】 fp = builtins.open(filename, "w+b") PermissionError: [Errno 13] Permission denied: 'c:/xxx/1.jpg'

原因：C盘读写权限较高，可以尝试将图片保存到D盘。

五、CNN模型训练

5.1、环境配置：Anconda3 | TF2.1.0 | Pycharm

Python：3.7（Anaconda3）

开发框架：TensorFlow 2.1.0

IDE：PyCharm

① Python安装：

Anaconda：python编译器和python包管理工具合在一起的一个软件。

安装配置教程：anaconda的安装和使用（管理python环境看这一篇就够了） 🚀

bash 复制代码

# 虚拟环境常用命令
conda info -e  # 查看已经创建的所有虚拟环境
conda create -n xxx python=3.7  # 创建一个python3.7 名为xxx的虚拟环境
conda activate xxx  # 切换/激活到xx虚拟环境

② TensorFlow安装：

bash 复制代码

// GPU 版本
pip install --upgrade tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

// CPU 版本
pip install --upgrade tensorflow-cpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

检测是否安装成功：切换到虚拟环境------>输入python ------> 载入tensorflow （import tensorflow as tf） ------> 查看版本号（print(tf.__version__)）

对于英伟达CUDA安装配置环境相对较为繁琐，该模型较为简单，可以直接使用CPU进行训练。

③ PyCharm安装：

可以直接从 PyCharm 官网下载，但是可能由于 Anaconda 版本比较老，添加 python 解释器比较麻烦，所以这里采用这位博主提供的版本，具体软件安装 、解释器添加 教程可参考该篇博客 🚀。

5.2、生成数据集 | 预处理

由第四章中所构建的数据集，*.txt 文件中保存的数据为温度值，数据的排布格式如上所示，将*.txt文件中的数据变成数据集需要考虑以下事情：

【生成数据集】保存的数据按照分类分别保存在不同的目录下，所以需要统计数据集目录下所有的数据，将数据打乱，按照60%训练-20%测试-20%验证的比例划分。
【预处理】*.txt 文件中的数据类型为字符串，而训练时候所需要的数据为 float。

5.2.1、生成数据集：统计数据集 | 数据集随机化 | 数据集划分

创建数字编码表，即手势行为与数字的对应关系，background=0，increase=1，pinch=2，reduce=3；
遍历文件夹下的所有文件，以列表的方式保存所有文件的路径；
通过 random.shuffle 打乱顺序；
读取列表每个元素值然后拆解，由于原先存放的顺序以类别分别存放在对应的目录下，所以从拆解的结果可以知道该数据对应的标签，将【数据路径(*.txt)】和【标签】保存到 csv 文件中；
从 csv 文件中读出数据，按【数据路径】和【标签】分别保存到两个变量中，返回；
按照比例，以切片的方式，得到训练集、测试集、验证集，注意这里的数据还只是数据的路径，后面输入到神经网络需要将数据提取处出来，这部分工作交给预处理来完成。

目录结构：

bash 复制代码

---xxx
    |---dataset
           |---background
                   |---1.jpg
                   |---1.txt
                   |---...
           |---increase
                   |---1.jpg
                   |---1.txt
                   |---...
           |---pinch
                   |---1.jpg
                   |---1.txt
                   |---...
           |---reduce
                   |---1.jpg
                   |---1.txt
                   |---...
           |---tmp_data.csv
    |---geture_train.py

代码如下：

python 复制代码

# 作用：将文件统计存入csv文件，然后读出csv文件内容
# root:数据集根目录
# filename:csv文件名
# name2label:类别名编码表
def load_csv(root, filename, name2label):
    if not os.path.exists(os.path.join(root, filename)):
        tmp_data = []
        for name in name2label.keys():
            # 'dataset\\increase\\1.txt
            tmp_data += glob.glob(os.path.join(root, name, '*.txt'))

        # 200, 'dataset\increase\\1.txt'...
        print(len(tmp_data), tmp_data)

        random.shuffle(tmp_data)
        with open(os.path.join(root, filename), mode='w', newline='') as f:
            writer = csv.writer(f)
            for img in tmp_data:  # 'dataset\\increase\\1.txt'
                name = img.split(os.sep)[-2]
                label = name2label[name]
                # 'dataset\\increase\\1.png', 1
                writer.writerow([img, label])
            print('written into csv file:', filename)

    # read from csv file
    tmp_data, labels = [], []
    with open(os.path.join(root, filename)) as f:
        reader = csv.reader(f)
        for row in reader:
            # 'dataset\\increase\\1.txt', 1
            tmp, label = row
            label = int(label)

            tmp_data.append(tmp)
            labels.append(label)

    assert len(tmp_data) == len(labels)

    return tmp_data, labels


# root:数据集根目录
def load_gesture(root, mode='train'):
    # 创建数字编码表
    name2label = {}  # "sq...":0
    for name in sorted(os.listdir(os.path.join(root))):
        if not os.path.isdir(os.path.join(root, name)):
            continue
        # 给每个类别编码一个数字
        # 如: name2label['increase'] = 1
        name2label[name] = len(name2label.keys())

    print(name2label)

    # 读取Label信息
    # [file1,file2,], [3,1]
    images, labels = load_csv(root, 'tmp_data.csv', name2label)

    if mode == 'train':  # 60%
        images = images[:int(0.6 * len(images))]
        labels = labels[:int(0.6 * len(labels))]
    elif mode == 'val':  # 20% = 60%->80%
        images = images[int(0.6 * len(images)):int(0.8 * len(images))]
        labels = labels[int(0.6 * len(labels)):int(0.8 * len(labels))]
    else:  # 20% = 80%->100%
        images = images[int(0.8 * len(images)):]
        labels = labels[int(0.8 * len(labels)):]

    return images, labels, name2label

5.2.2、预处理：string类型转换为float | 数据标准化 | one-hot encoding

预处理工作通过map的方式实现，将每个路径的 txt 加载进来替换掉，变成 txt 本身的内容，即 x x x 由原先路径，变成 [24, 24] 温度矩阵数据， y y y 为标签数据。

读取 *.txt 中的数据，该数据为一个字符串；
删除字符串中的空格和\r\n字符，然后以这些字符，分割字符串，产生 576 个字符串，以列表的方式保存；
将 576 个字符串转换为 float 类型，此时列表为 576 个 float 类型元素，shape为 [576]；
将 [576] shape 转换为 [24, 24] shape，并进行扩展维度，将 [24, 24] shape 转变为 [24, 24, 1]；
采用最大最小标准化（Min-Max Normalization）： x ′ = x − m i n ( x ) m a x ( x ) − m i n ( x ) x^{'}=\dfrac{x-min(x)}{max(x)-min(x)} x′=max(x)−min(x)x−min(x) （对 x x x 数据进行标准化处理）；
将 label 数据（ y y y）转换为 tensor 类型，并进行 one-hot encoding 处理（共 4 种类型，数字0，编码后变成 [1,0,0,0]）；
导出 x x x 和 y y y 两种 tensor 数据。

代码如下：

pythony 复制代码

def preprocess(x, y):  # 这个顺序和from_tensor_slices中的 x,y 对应
    # 读入txt数据
    data = tf.io.read_file(x)

    # 分割每行数据
    data = tf.strings.split(data)  # "22.11 22.11 ...\r\n22.11 22.11...\r\n" => ["22.11" "22.11" ...]
    data = tf.strings.to_number(data)  # ["22.11" "22.11" ...] (string) => [22.11 22.11 ...] (float32)
    data = tf.reshape(data, [24, 24])  # shape [576] => shape [24, 24]
    data = tf.expand_dims(data, axis=2)  # shape [24, 24] => shape [24, 24, 1]

    # data数据归一化
    max_data = tf.reduce_max(data)  # 标量
    min_data = tf.reduce_min(data)  # 标量
    data = (data - min_data)/(max_data-min_data)  # broadcat 张量维度扩张

    y = tf.convert_to_tensor(y)
    y = tf.one_hot(y, depth=4)  # one-hot encoding
    return data, y

问题： Input 0 of layer conv2d is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: [24, 24, 1]

Conv2d的输入需要 4 维数据，所以预处理数据导出为[24, 24, 1]，当训练的时候，经过数据集batch，Conv2d输入的数据为[b, 24, 24, 1]，其中 b 就是 batch 的值。

参考：卷积计算输入要求 🚀

5.3、构建训练模型

模型参考：我复现了稚晖君的热成像手！语！识！别！ 🚀

python 复制代码

conv_layers = [
    # kernel_size:3x3, 卷积核个数:4
    layers.Conv2D(4, input_shape=(24, 24, 1), kernel_size=[3, 3], padding="valid", activation=tf.nn.relu),  # [b, 24, 24, 1] => [b, 22, 22, 4]
    layers.MaxPool2D(pool_size=[2, 2], strides=2, padding='valid'),  # [b, 22, 22, 4] => [b, 11, 11, 4]
    layers.Flatten(),  # [b, 11, 11, 4] => [b, 484]
    layers.Dense(128, activation=tf.nn.relu),  # [b, 484] => [b, 128]
    layers.Dense(64, activation=tf.nn.relu),  # [b, 128] => [b, 64]
    layers.Dense(4, activation=tf.nn.softmax),  # [b, 64] => [b, 4]
]

def main():
    print(tf.__version__)
    train_images, train_labels, train_table = load_gesture('.\\dataset', 'train')
    val_images, val_labels, val_table = load_gesture('.\\dataset', 'val')

    train_db = tf.data.Dataset.from_tensor_slices((train_images, train_labels))
    train_db = train_db.map(preprocess).batch(300)

    val_db = tf.data.Dataset.from_tensor_slices((val_images, val_labels))
    val_db = val_db.map(preprocess).batch(300)

    # [b, 24, 24, 1] => [b, 4]
    network = Sequential(conv_layers)

    # network.build(input_shape=[None, 24, 24, 1])
    network.compile(optimizer=optimizers.Adam(lr=1e-4), # Adam优化器配置
                    loss=tf.losses.CategoricalCrossentropy(from_logits=False),  # 损失函数: 交叉熵
                    metrics=['accuracy'])  #  准确率计算

	# 打印网络信息
    network.summary()

	# 模型训练和验证
    network.fit(train_db, epochs=200, validation_data=val_db, validation_freq=1)

构建模型的时候，输入张量设置方式有多种，上面的是直接在模型conv_layers 中添加，或者可以使用model.build(input_shape=[None, 24, 24, 1])，这两种方式存在一定的差异，至少在ONNX模型转换的时候，第二种方式会报错：'Sequential' object has no attribute 'output_names'；并且二者的ckpt权值文件也是不通用的，提示：Shapes (128,) and (64,) are incompatible。

5.4、训练结果保存和准确率

在构建模型的基础上，添加权值保存语句：

python 复制代码

checkpoint_path = "gesture_train-{epoch:02d}.ckpt"  # ckpt保存文件名, 占位符将会被epoch值和传入on_epoch_end的logs所填入
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path,  # 保存文件名
                                                     save_best_only=True,  # 当设置为True时，将只保存在验证集上性能最好的模型
                                                     save_weights_only=True,  # 若设置为True，则只保存模型权重，否则将保存整个模型（包括模型结构，配置信息等）
                                                     verbose=1,  # 为1表示输出epoch模型保存信息，默认为0表示不输出该信息
                                                     save_freq='epoch'  # CheckPoint之间的间隔的epoch数
                                                     )

network.fit(train_db, epochs=200, validation_data=val_db, validation_freq=1, callbacks=[cp_callback])

训练结果准确率： 有部分数据集在采集过程中，距离传感器较远，相关特征不能很好的采集，所以验证集中若包含该数据，那么准确率不是很高，差不多在80%。若验证集中不包含该部分数据，准确率能到100%。

参考：

[1]: Tensorflow 2.1 完成权重或模型的保存和加载 🚀

[2]: ModelCheckpoint详解 🚀

5.5、ONNX模型转换和校准集导出

【ONNX模型】和【校准集】用于模型量化，校准集可以是训练集或验证集的子集，这里取训练集和验证集的集合作为校准集。

① ONNX模型转换：

这一步开始参考 ESP-DL 示例程序中的代码，下载：https://github.com/espressif/esp-dl 🚀（解压后目录名称为 esp-dl-master）；

参考esp-dl-master\tools\quantization_tool\examples\tensorflow_to_onnx 提供的代码，做简单的修改，应用于本模型。

其余不用修改，注释掉main()，添加下列代码：

python 复制代码

if __name__ == '__main__':
    # main()

    model = Sequential(conv_layers)

    model.load_weights('gesture_train-06.ckpt')
    model.summary()

    # export model to onnx format
    spec = (tf.TensorSpec((None, 24, 24, 1), tf.float32, name="input"),)  # 函数签名
    output_path = "gesture.onnx"
    model_proto, _ = tf2onnx.convert.from_keras(model, input_signature=spec, opset=13, output_path=output_path)

    # checker.check_graph(model_proto.graph)

--opset 11：ONNX是一个不断发展的标准，它将添加更多的新操作并增强现有的操作，因此不同的opset版本将包含不同的操作，它们可能会有些不同。这里参考示例程序，选择 opset 13。

② 校准集导出： 训练集 + 验证集

.pkl数据文件 ：Python中，Pickle模块将任意一个Python对象转换成一系统字节。

python 复制代码

import pickle

# obj: 序列化对象
# file: 保存到的待写入的文件对象
# protocol: 序列化模式，默认是0(最原始的人类可读版本)
pickle.dump(obj, file, protocol=None, *, fix_imports=True, buffer_callback=None)
pickle.load() # 反序列化

查看 ESP-DL 示例中的 pickle 文件（esp-dl-master\tools\quantization_tool\examples\mnist_test_data.pickle），本数据集参考该方式转换；

python 复制代码

f = open('mnist_test_data.pickle', 'rb')  # 打开pickle文件
info = pickle.load(f)
print('type', type(info), len(info))
print(info[0])
print(info[1])
f.close()  # 关闭pickle文件

示例中的 pickle 文件的保存类型为list，info[0] 为图像数据，info[1] 为label数据。

注意， 保存类型需保存一致，如果采用字典类型，就会出现报错：'str' object has no attribute 'astype'。

导出 pickle 文件：

python 复制代码

# loc_train_db: 用于训练的数据集
# loc_val_db: 用于验证的数据集
def pkl_dataset_create(loc_train_db, loc_val_db):
    global pkl_train_savePath, pkl_cal_savePath
    loc_train_sample = [[], []]
    loc_val_sample = [[], []]

    for step, (x, y) in enumerate(loc_train_db):
        if step == 0:
            loc_train_sample[0] = x
            loc_train_sample[1] = y
        else:
            loc_train_sample[0] = tf.concat([loc_train_sample[0], x], axis=0)  # shape [300,24,24,1] + shape [300,24,24,1] => shape [600, 24, 24, 1]
            loc_train_sample[1] = tf.concat([loc_train_sample[1], y], axis=0)  # shape [300,4] + shape [300, 4] => shape [600, 4]

    for step, (x, y) in enumerate(loc_val_db):
        if step == 0:
            loc_val_sample[0] = x
            loc_val_sample[1] = y
        else:
            loc_val_sample[0] = tf.concat([loc_val_sample[0], x], axis=0)
            loc_val_sample[1] = tf.concat([loc_val_sample[1], y], axis=0)

    print('train:', 'x-', loc_train_sample[0].shape, 'y-', loc_train_sample[1].shape)
    print('val:', 'x-', loc_val_sample[0].shape, 'y-', loc_val_sample[1].shape)

    loc_train_sample[0] = tf.concat([loc_train_sample[0], loc_val_sample[0]], axis=0)
    loc_train_sample[1] = tf.concat([loc_train_sample[1], loc_val_sample[1]], axis=0)

    print('train:', 'x-', loc_train_sample[0].shape, 'y-', loc_train_sample[1].shape)

    pkl_train_db = [loc_train_sample[0].numpy(), loc_train_sample[1].numpy()]

    with open(pkl_train_savePath, 'wb') as f:
        pickle.dump(pkl_train_db, f, -1)

    print('pkl save done!')

函数参数传递进来后，进入取训练集的数据循环，若训练集总数为720，验证集总数为80，则：

第一次循环后，loc_train_sample[0] 的 shape 为 [300, 24, 24, 1]，loc_train_sample[1] 的 shape 为 [300, 4]；（300是因为训练的时候batchsize取300）
第二次循环后，loc_train_sample[0] 的 shape 为 [300, 24, 24, 1]，loc_train_sample[1] 的 shape 为 [300, 4]，和上一次循环结果进行合并；
第三次循环后，loc_train_sample[0] 的 shape 为[120, 24, 24, 1]，loc_train_sample[1] 的 shape 为[120, 4]，和上一次循环结果进行合并；

loc_train_sample[0][0]：第一张热成像图片数据(已经完成归一化的数据)

loc_train_sample[1][0]：第一张热成像label数据(已经完成one-hot)

上述数据的类型为 Tensor，存储为pickle后，在后续量化中出现：'Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2'（主机为AMD处理器）。因此这里使用loc_val_sample[0].numpy()语句，将Tensor类型转换为Numpy类型。

参考：

[1]: 手写图像数据集MNIST下载，处理为Numpy格式后存为.pkl格式 🚀

[2]: Python中 pickle 模块的 dump() 和 load() 方法详解 🚀

[3]: pickle --- Python object serialization 🚀

六、模型量化与部署

6.1、模型量化

顺利到这一步，已经有如下文件：gesture_train.pickle 和 gesture.onnx。

参考 tools/quantization_tool/examples/example.py，示例目录如下，

bash 复制代码

---quantization_tool
    |---examples
           |---example.py
    |---optimizer.py
    |---windows
           |---calibrator.pyd
           |---calibrator_acc.pyd
           |---evaluator.pyd

复制上述文件，创建如下目录，

bash 复制代码

---quantization
    |---examples
           |---quantization.py(原example.py)
           |---gesture_train.pickle
           |---gesture.onnx
    |---optimizer.py
    |---windows
           |---calibrator.pyd
           |---calibrator_acc.pyd
           |---evaluator.pyd

① 进入虚拟环境

bash 复制代码

conda activate mt_for_esp

其中，mt_for_esp是<虚拟环境名称>。

② 安装 python 依赖包

bash 复制代码

pip install numba==0.53.1
pip install --upgrade onnx==1.9.0  # 环境中若已安装可以直接更新
pip install onnxruntime==1.7.0
pip install onnxoptimizer==0.2.6

③ ESP-DL组件下载：https://github.com/espressif/esp-dl 🚀

④ 进行修改quantization.py

python 复制代码

1.修改pickle和onnx文件名;
2.删除test_images = test_images / 255.0, 数据集已经完成标准化;
3.calib_dataset = test_images[0:5000:50] => calib_dataset = test_images[0:1040:10];
4.batch_size = 10;
5.test_labels外层增加np.argmax, 原版本label没有one-hot, 这里 pickle 文件中label完成one-hot;

⑤ 输入 python quantization.py，输出如下文件和信息

gesture_cal.pickle
gesture_coefficient.cpp
gesture_coefficient.hpp
gesture_optimized.onnx

参考：手动部署模型 🚀

6.2、ESP-DL组件添加

ESP-DL组件下载：https://github.com/espressif/esp-dl 🚀（解压后目录名称为 esp-dl-master）；
创建组件，这里叫做 esp-dl；
将 esp-dl-master/include 目录下的文件复制到 esp-dl 组件中的 include 目录下；（有些文件不是很必要可以根据需求调整）
将 esp-dl-master/lib/esp32s3 目录下的 libdl.a 复制到 esp-dl 组件根目录下，组件结构如下；

bash 复制代码

---esp-dl
	 |---include
	        |---detect
	        |---image
	        |---layer
	        |---math
	        |---nn
	        |---tool
	        |---tvm
	        |---typedef
	        |---dl_define.hpp
	 |---CMakeLists.txt
	 |---libdl.a

修改 esp-dl 组件下的 CMakeLists.txt，如下

bash 复制代码

idf_component_register(SRCS
                    INCLUDE_DIRS "include" "include/detect" "include/image" "include/layer" "include/math" "include/nn" "include/tool" "include/tvm" "include/typedef")
target_link_libraries(${COMPONENT_LIB} INTERFACE "${CMAKE_CURRENT_LIST_DIR}/libdl.a")

（可选）到上面这一步就可以了，这里通过官方示例提供的 MNIST 测试添加 esp-dl 组件是否编译正常，（example：esp-dl-master/tutorial/quantization_tool_example）；
（可选）创建 model 组件，文件结构如下：

bash 复制代码

---|---esp-dl
   |---model
         |---include
               |---mnist_coefficient.hpp
               |---mnist_model.hpp
         |---mnist_coefficient.cpp
         |---CMakeLists.txt

（可选）model 组件下的 CMakeLists.txt 如下，该组件依赖于 esp-dl 组件，所以需要添加 REQUIRES esp-dl，

bash 复制代码

idf_component_register(SRCS "mnist_coefficient"
                    INCLUDE_DIRS "include"
                    REQUIRES esp-dl)

（可选）main.app 文件替换一下，替换前注意备份老版本，直接编译即可。（若运行的时候发现推理时间官方示例不同，可考虑将sdkconfig配置的同官方一致）

参考：使用 ESP-IDF 生成第三方的 .a 静态库并使用的流程 🚀

6.3、ESP 数据标准化（网络输入）

数据集为关于温度的矩阵（24x24），在训练的时候有一个预处理的过程，其中包含归一化，对于网络而言，输入是归一化后的结果，所以推理的时候，输入网络中的数据也应该是归一化后的数据。

cpp 复制代码

// 寻找最大值和最小值
template<typename T>
void max_min(T *ptr, uint16_t count, T *max, T *min)
{
    *max = ptr[0];
    *min = ptr[0];

    for(int i=1; i<count; i++){
        if(*max < ptr[i]){
            *max = ptr[i];
        }

        if(*min > ptr[i]){
            *min = ptr[i];
        }
    }
}

__attribute__((aligned(16))) float example_element[576];
__attribute__((aligned(16))) float tmp[576];

int main(void){
	float max, min;
	max_min(example_element, &max, &min);
	for(int i = 0; i<576; i++){
		// normalization
		tmp[i] = (example_element[i]-min)/(max-min);
	}	
}

6.4、构建模型与优化

创建 model 组件，将 gesture_coefficient.cpp 和 gesture_coefficient.hpp 加入到该组件中，目录如下，

bash 复制代码

---model
      |---include
              |---gesture_coefficient.hpp
              |---gesture_model.hpp
      |---CmakeLists.txt
      |---gesture_coefficient.cpp

CmakeLists.txt 内容如下，

bash 复制代码

idf_component_register(SRCS "gesture_coefficient.cpp"
                       INCLUDE_DIRS "include"
                       REQUIRES esp-dl)

在 gesture_model.hpp 中完成模型构建，主要步骤如下，

模型类派生一个新类，由于量化时配置的为 int16 量化，故模型以及之后的层均继承 <int16_t> 类型；
将层声明为成员变量；
用构造函数初始化层；
实现 void build(Tensor<input_t> &input)；
实现 void call(Tensor<input_t> &input)；

「例如定义卷积层 "l2"，根据打印得知输出的指数位为 "-11"，该层的名称为 "fused_gemm_0"。您可调用 get_fused_gemm_0_filter() 获取改卷积层权重，调用 get_fused_gemm_0_bias() 获取该卷积层偏差，调用 get_fused_gemm_0_activation() 获取该卷积层激活参数。」 ------ from ESP

说明：

层的名称在哪里看？

有些层不需要模型参数，也就不需要存储模型参数，即在构造函数初始化层的时候，传入上述参数。
【注意】卷积输入shape的要求

通过量化工具，生成两个gesture_ccoefficient.cpp、gesture_coefficient.hpp，当中有一个参数是卷积核的shape(3,3,1,4)，分别表示卷积核的宽度、高度、通道、卷积核数。

在conv2D.build中有一条语句：assert(input.shape[2]==filter.shape[2])，这对输入的shape提出了要求，而filter.shape[2]就是(3,3,1,4)中的1，所以input的shape为(24,24,1)。
【注意】softmax输入shape的要求

在Softmax.build中有一条语句：this->channel = input.shape[2]，如果Softmax的input为[4]（shape为1），那么input.shape[2]是越界访问，其值为随机数，所以input的维度必须是3维；若shape[2]为1，则Softmax只会取一个数据计算，所以input的shape为(1,1,4)。

按照量化工具优化后的网络模型，构建网络模型如下：

cpp 复制代码

Reshape<int16_t> l1;                    // shape(24,24,1) => shape(24,24,1)
Conv2D<int16_t> l2;                     // shape(24,24,1) => shape(22,22,4)     
MaxPool2D<int16_t> l3;                  // shape(22,22,4) => shape(11,11,4)
Transpose<int16_t> l4;                  // shape(11,11,4) => shape(11,11,4)
Reshape<int16_t> l5;                    // shape(11,11,4) => shape(1,484)
FullyConnected<int16_t, int16_t> l6;    // shape(1,484) => shape(128)
FullyConnected<int16_t, int16_t> l7;    // shape(128) => shape(64)
FullyConnected<int16_t, int16_t> l8;    // shape(64) => shape(4)
Reshape<int16_t> l9;                    // shape(4) => shape(1,1,4)                  
Softmax<int16_t> l10;                   // shape(1,1,4) => shape(1,1,4)

优化：删除不必要的层

l 1 l1 l1层在刚开始设置数据集的时候可以指定，所以这一层可以删除；
l 4 l4 l4层之后的 l 5 l5 l5层直接打平，可以选择直接从 l 3 l3 l3到 l 5 l5 l5，所以删除 l 4 l4 l4；

l 8 l8 l8层之后可以直接得到预测结果，之所以用到softmax是在训练的时候用于构造损失函数，在推理的时候， l 8 l8 l8层输出结果可以查看当前类别可能性概率有多大，但是如果有一个新的类别，也可能出现类别可能性概率很大的情况，所以，可以考虑删除 l 9 l9 l9层和 l 10 l10 l10层。

优化后的模型如下：

cpp 复制代码

Conv2D<int16_t> l1;                     // shape(24,24,1) => shape(22,22,4)     
MaxPool2D<int16_t> l2;                  // shape(22,22,4) => shape(11,11,4)
Reshape<int16_t> l3;                    // shape(11,11,4) => shape(1,484)
FullyConnected<int16_t, int16_t> l4;    // shape(1,484) => shape(128)
FullyConnected<int16_t, int16_t> l5;    // shape(128) => shape(64)
FullyConnected<int16_t, int16_t> l6;    // shape(64) => shape(4)
Reshape<int16_t> l7;                    // shape(4) => shape(1,1,4)                  
Softmax<int16_t> l8;                    // shape(1,1,4) => shape(1,1,4)

6.5、ESP硬件加速：修改sdkconfig配置

ESP32-S3的存储器如下：

内部存储器
- 片内ROM（384KB）：存放系统底层软件的ROM代码，如一级引导程序。
- 片内SRAM（512KB）：用于保存data段、bss段、堆栈等，以及部分text段（IRAM_ATTR修饰的函数）和ICache、DCache。
- RTC 快速存储器（8KB）
- RTC 慢速存储器（8KB）
- 片内PSRAM（8MB）
外部存储器
- 片外FLASH（16MB）：用于保存二级引导程序（bootloader）和应用启动程序，加之链接脚本设置data/bss/(部分)text的地址空间为IRAM，所以在执行主函数之前需要完成data/(部分)text搬运。

外部存储器 ：CPU 借助高速缓存 (ICache/DCache) 来访问外部存储器，若地址能命中Cache，那么直接从Cache中取数据，若没有命中，则根据内存管理单元 (MMU) 中的信息把 CPU 指令总线或数据总线的地址变换为访问片外 flash 与片外 RAM 的实地址。

ICache最大为32KB，DCache最大为64KB。ICache 和 DCache 物理存储空间从片内SRAM获得，两种 Cache 均可映射到片外FLASH。

主要加速点：

提高DCache大小和访问速率：CPU通过SPI得到FLASH上的代码和数据的速度不及来自Cache（片内SRAM），根据CPU从FLASH取数据的原理，如果Cache足够大，那么地址命中率提高，有效减少片外FLASH访问。
提高SPI通讯速率：如果将SPI通讯速率提升，也能提高FLASH访问速度。
提高CPU主频：若CPU的主频足够快，理论上计算速度也足够快。（该网络主要性能瓶颈在存储器读写，所以160MHz提高到240MHz提升不明显）

sdkconfig主要配置如下：【idf.py menuconfig】

修改CPU主频，160MHz => 240MHz
- Component config ---> ESP System Settings ---> CPU frequency (160 MHz) ---> (x) 240 MHz
修改片外FLASH
- SPI 模式，QIO：SPISerial flasher config ---> Flash SPI mode (DIO) ---> (x) QIO；
- SPI 速度，80MHz：SPISerial flasher config ---> Flash SPI speed (80 MHz) ；
- FLASH 大小，4MB：SPISerial flasher config ---> Flash size (2MB) ---> (x) 4MB；
修改片内PSRAM
- SPI 模式为8线(Octal Mode)：Component config ---> ESP PSRAM ---> Support for external, SPI-connected RAM ---> SPI RAM config ---> Mode (QUAD/OCT) of SPI RAM chip in use (Quad Mode PSRAM) ---> (x) Octal Mode PSRAM
- SPI 频率为80MHz：Component config ---> ESP PSRAM ---> Support for external, SPI-connected RAM ---> SPI RAM config ---> Set RAM clock speed (40Mhz clock speed) ---> (x) 80MHz
修改Data Cache
- 设置 DATA Cache size为64KB：Component config ---> ESP System Settings ---> Cache config ---> Data cache size (32KB) ---> (x) 64KB
- 设置 DATA Cache Line size为64B：Component config ---> ESP System Settings ---> Cache config ---> Data cache line size (32 Bytes) ---> (x) 64 Bytes

ICache 由16KB调整到32KB没怎么提升，所以依然配置为16KB。

【无softmax层】推理耗时：7020us

【有softmax层】推理耗时：7262us

参考：

[1]: ESP32/ESP32-S2 CPU加速建议 🚀

[2]: esp32 CPU时钟设置 240Mhz 🚀

[3]: 【ESP32-IDF】03-1 系统-内存管理 🚀

[4]: ESP32 程序的内存模型 🚀

七、应用逻辑设计

7.1、获取静止状态手势 | 定时器引入

① 获取静止状态手势程序逻辑：

② 定时器引入

对于ESP32-S3部署平台，该模型推理过程约7ms，这对于实际应用过程中，能保持较好的实时性，然而，由于该模型未采用RNN/LSTM等时序处理模型，所以只能针对某一个动作进行推理。试想一下，当手指由交叉状变成捏住状态，在这个改变过程中的某一个状态，可能被采集被推理为增大，但是实际应该是减小。基于此，通过引入定时器，当某个动作保持一定时间后，才对这个动作进行推理。

esp_timer 内部使用 52 位硬件定时器，对于 ESP32-S3 使用的是 SYSTIMER。其 API 集支持单次定时器和周期定时器、微秒级的时间分辨率。

定时器回调可通过以下两种方式调度：

ESP_TIMER_TASK：定时器回调函数是从高优先级的 esp_timer 任务中调度的，如果有优先级高于 esp_timer 的其他任务正在运行，则回调调度将延迟，直至 esp_timer 能够运行。
ESP_TIMER_ISR：定时器回调由定时器中断处理程序直接调度。对旨在降低延迟的简单回调，建议使用此途径。

定时器可以以单次模式 和周期模式启动。

单次模式：定时器计时结束，调用回调函数，随后停止；
周期模式：定时器计时结束，调用回调函数，随后重新开始，周而复始。

这里采用单次模式+ESP_TIMER_TASK配置，API接口如下：

esp_timer_create：创建定时器；
esp_timer_delete：删除定时器；
esp_timer_start_once：启动单次模式定时器；
esp_timer_stop：停止定时器，下一次启动使用esp_timer_start_once；
esp_timer_get_time：获取从boot开始时间，单位为微秒。

多任务中存在对临界资源的访问，这里通过【互斥锁】加以保护。

测试代码：

cpp 复制代码

#include "esp_timer.h"

esp_timer_handle_t oneshot_timer;
volatile char stillness_time_flag = 0; // 临界资源
SemaphoreHandle_t xSemaphore = NULL;
static const char* TAG = "example";

static void oneshot_timer_callback(void* arg)
{
    xSemaphoreTake(xSemaphore, portMAX_DELAY);
    stillness_time_flag = 1;
    xSemaphoreGive(xSemaphore);
}

const esp_timer_create_args_t oneshot_timer_args = {
            .callback = &oneshot_timer_callback,
            /* argument specified here will be passed to timer callback function */
            .arg = NULL,
            .name = "one-shot"};

extern "C" void app_main(void)
{
	ESP_ERROR_CHECK(esp_timer_create(&oneshot_timer_args, &oneshot_timer)); //定时器
    xSemaphore = xSemaphoreCreateMutex(); //创建互斥量
    assert(xSemaphore != NULL);
	ESP_LOGI(TAG, "time since boot: %lld us", esp_timer_get_time());
	esp_timer_stop(oneshot_timer);
	usleep(2000000); 休眠2s
	esp_timer_start_once(oneshot_timer, 200000);
    ESP_LOGI(TAG, "time since boot: %lld us", esp_timer_get_time());
}

参考：

[1]: 高分辨率定时器（ESP 定时器） 🚀

[2]: esp_timer_example_main.c 🚀

7.2、交互方式选择：交互方式1

到这一步，通过上述动作设定，只需要最后静止的动作是训练的那些动作，就能完成捏住/增加/减小/松开的操作。

捏住状态：选中操作对象；
捏住+上移：向右移动，选择操作对象；
捏住+下移：向左移动，选择操作对象；
交叉状态：操作对象增加；
松开状态：操作对象减小；
背景状态：取消对象选中。

7.3、交互方式选择：交互方式2

捏住=>交叉：操作对象增加；【判断逻辑同交互方式1】
交叉=>捏住：操作对象减小；
捏住=>松开：操作对象取消选择；【只需要判断最后一个动作即可】
松开=>捏住：选中操作对象；
捏住+上移：向右移动，选择操作对象；【判断逻辑同交互方式1】
捏住+下移：向左移动，选择操作对象。【判断逻辑同交互方式1】

如何区别【交叉=>捏住】和【松开=>捏住】

【交叉=>捏住】的操作序列可能为：1-1-2-...-2-2 或者 2-2-...-2-2-2

【松开=>捏住】的操作序列可能为：3-3-2-...-2-2 或者 2-2-...-2-2-2

【捏住=>捏住】的操作序列可能为：2-2-...-2-2-2

若操作序列为：2-2-...-2-2-2，如何区分？

这里考虑【交叉=>捏住】为减少，若前一组动作为【增加】，则判断当前操作为【减小】。

【松开=>捏住】和【捏住=>捏住】最后的状态为捏住，可不加以区分。

对于交互方式2，在运动过程中，边采集数据边推理，一些动作未加入训练集中训练，所以存在推理错误的情况，然而该组动作最后的操作结果依据这些操作序列得出，就可能导致判断出错。所所所所所以，上面的逻辑是理想的推理！

交互方式切换使用条件编译的方式进行选择：gesture_display.h文件下

cpp 复制代码

#define INTERACTIVE_METHODS 1 // 1表示交互方式1, 2表示交互方式2

八、others

8.1、跑一下示例程序（MNIST）

下载 ESP-DL，可以使用以下命令，当然也可以直接在 github 🚀网页中下载；

bash 复制代码

git clone https://github.com/espressif/esp-dl.git

打开终端 ESP-IDF 5.0 CMD，进入 tutorial/convert_tool_example 文件夹：

bash 复制代码

C: # windows下切换到C盘
dir # 查看当前路径下的文件列表
cd ~/esp-dl/tutorial/convert_tool_example # 切换路径

使用以下命令设置目标芯片：（当前芯片为 esp32s3）

bash 复制代码

idf.py set-target esp32s3

将PSRAM模式设置为 Octal Mode PSRAM：终端输入idf.py menuconfig => Component config => ESP PSRAM => SPI RAM config => Moda (QUAD/OCT) of SPI RAM chip in use (Quad Mode PSRAM) => Octal Mode PSRAM
烧录固件，打印结果

bash 复制代码

idf.py flash monitor

参考：获取 ESP-DL 并运行示例 🚀

8.2、数据集补充程序

对于分类任务，或多或少有些类别没有被添加到数据集，且当前网络无法做到正确推理，所以在前面的基础上写了个数据集补充程序。

程序分为：PC端上位机（python）和 ESP32端下位机（C/C++）

程序操作步骤：

运行上位机程序，马上重启ESP32；
ESP32采集手势数据（只要一直在运动就不停止数据采集，当停止采集后，就开始推理，并将推理结果发送到上位机）；
上位机中输入label(0-背景/1-增加/2-捏住/3-减小)或者放弃(4-不添加该数据)；
下位机收到数字后，若为标签数值，则将手势数据上传，若为放弃，则丢弃数据；
然后，开始新一轮的循环。

【ESP32】手势识别实现笔记：红外温度阵列 | 双三次插值 | 神经网络 | TensorFlow | ESP-DL

目录

一、开发环境搭建与新建工程模板

1.1、开发环境搭建与卸载

1.2、新建工程目录

1.3、自定义组件

二、驱动移植与应用开发

2.1、I2C驱动移植与AMG8833应用开发

2.2、SPI驱动移植与LCD应用开发

2.3、绘制温度云图

2.4、启用PSRAM（可选）

2.5、画面动静和距离检测

2.6、图像放大之双三次插值法：权重计算 | 插值计算 | 程序设计

四、数据集获取

五、CNN模型训练

5.1、环境配置：Anconda3 | TF2.1.0 | Pycharm

5.2、生成数据集 | 预处理

5.2.1、生成数据集：统计数据集 | 数据集随机化 | 数据集划分

5.2.2、预处理：string类型转换为float | 数据标准化 | one-hot encoding

5.3、构建训练模型

5.4、训练结果保存和准确率

5.5、ONNX模型转换和校准集导出

六、模型量化与部署

6.1、模型量化

6.2、ESP-DL组件添加

6.3、ESP 数据标准化（网络输入）

6.4、构建模型与优化

6.5、ESP硬件加速：修改sdkconfig配置

七、应用逻辑设计

7.1、获取静止状态手势 | 定时器引入

7.2、交互方式选择：交互方式1

7.3、交互方式选择：交互方式2

八、others

8.1、跑一下示例程序（MNIST）

8.2、数据集补充程序