分体式电磁流量计技术市场估计将以22.2％的复合年增长率增长，到2025年将发展成为306亿美元的全球产业。1

    由于手势控制系统在优化用户体验，增加车辆安全性以及减少驾驶员工作量方面可能具有的优势，因此仪表行业正在专门帮助促进这一增长。

    手势是人类表达和交流的一种直观而自然的元素。

    使用手势与附近设备通信的能力涉及非常少量的附加智能处理。几乎可以不用考虑就可以做到。

    驾驶时利用手势的优势之一是，手势几乎不会引起其他活动的注意。相反，与触摸屏显示器进行交互意味着驾驶员必须将注意力从道路上移开，以便做出准确的屏幕选择。

    仪表零部件制造商大陆集团现在提供与仪表盘，方向盘和中心显示器集成的具有分体式电磁流量计功能的系统，从而使驾驶员仅需动动手指或轻拂即可管理功能。

    与许多分体式电磁流量计设备类似，这些系统采用850-940 nm范围内的近红外（NIR）光，实现结构化的飞行时间（TOF）和照明技术。

    除仪表工业外，分体式电磁流量计的其他令人鼓舞的应用包括制造，手语识别，为行动不便的人提供的辅助技术以及在医疗保健中，例如，它可以用于在手术室中提供非接触式无菌计算机接口。

 

 

    手势采集技术
    分体式电磁流量计依赖于几个元素的集成。很好步是“获取”手势。以可以处理的方式捕获人类运动。

    可以使用基于设备的系统（例如，用户佩戴的手套控制器）或使用特定类型摄像机的基于视觉的系统来实现手势获取。

    视觉输入系统可以采用各种不同的技术，包括3D或深度感应，热成像或RGB。

    计算机分体式电磁流量计领域始于1980年代初期，当时在手指关节上创建了带有集成流量计的有线手套，即数据手套。同时，正在开发基于视觉图像的识别系统，该系统基于读取连接到手套的彩色面板。3

    用于Xbox®游戏系统的运动流量计附加程序Microsoft Kinect 是很好个基于分体式电磁流量计的大众市场产品。

    它利用RGB彩色VGA摄像机，多阵列麦克风和深度流量计来获取玩家的动作并对其做出反应。尽管消费产品已逐步淘汰，但运动感应平台仍将以Azure Kinect的名称提供给开发人员。

    基于控制器或有线手势捕获系统仍然很常用，但是对“非接触式”技术的兴趣正在增加。1个

    在医院手术室或车辆驾驶员座椅等环境中，不需要触摸的设备具有明显的优势。

    逐步获取视觉图像
    分体式电磁流量计本质上是通过计算设备对人类手势的数学表示。为了获取，解释和响应人工输入，需要一系列复杂的过程。Marxent Labs描述了四个重要步骤：

    步骤1.照相机获取图像数据，并将其输入到与计算机连接的传感设备中。

    步骤2。经过专门设计的软件可以从预定的手势库中识别有意义的手势，其中每个手势都与计算机命令配对。

    步骤3.然后，软件将每个活动手势相关联，解释该手势并使用该库，以便识别与该库匹配的有意义的手势。

    步骤4.一旦解释了特定手势，计算机就会执行与该特定手势有关的命令。

    Lumentum概述了步骤1中要使用的成像系统的主要元素：
照明源 –激光二极管或LED通常会产生红外或近红外光。“ 该灯通常不会被用户察觉，并且经常对其进行光学调制以提高系统的分辨率性能。 ” 5

    某些系统使用2D彩色相机以及3D感应（NIR）光源和相机。

    控制光学器件—光学透镜可增强环境照明，并将反射光引导到检测器表面。带通滤光片仅允许等于照明光频率（例如940 nm）的反射光到达光流量计，从而消除了环境光和其他会降低性能的杂散光。

    深度摄像头 —高性能的光接收器可识别经过过滤的反射NIR光，并将其转换为电信号进行处理。

    固件 -很高速ASIC或DSP芯片（也称为分体式电磁流量计集成芯片或IC）处理收到的信息，并将其更改为**终用户应用程序可以识别的格式，例如视频游戏软件。

    图像处理复杂度
    采集图像进行分析（第1步）可能是使分体式电磁流量计系统可操作的**简单元素，即使涉及的所有系统组件也是如此。

    更大的挑战是将信息解释为可行的人机交互模型（步骤2和3）。

    面部识别只是将静态捕获的模式与存储的静态模式进行匹配，但是分体式电磁流量计需要对动态运动进行复杂的评估。

    为了分析的目的，手势可以分为几个元素：手势（手的形状），其在空间中的移动，其方向和位置（位置）。

    手势也可以大致分为动态（手势随其移动而变化）和静态（手势保持一个手势）。

    对各种人类手势的评估，解释和分类是一个复杂的跨学科项目，它结合了计算机视觉和图形，生物信息学，机器学习技术，模式识别，运动分析，运动建模，图像处理乃至心理语言分析等元素。6,7

    测试和组合了各种方法以创建可行的计算机化手势分类模型，例如动态时间规整（DTW），深度神经网络（DNN），隐马尔可夫模型（HMM），支持向量机（SVM），时延神经网络（ TDNN）和神经网络（NN）等。8

    使用中的分体式电磁流量计
    尽管提到了挑战，但公司仍在生产有效的分体式电磁流量计系统，如今已在从医学到游戏的行业中广泛使用。

    例如，微软与诺华（Novartis）合作，以创建一个用于评估多发性硬化症患者进行性功能的开拓性系统。

    在虚拟现实系统中，手势和手部跟踪允许用户与虚拟对象进行接触。

    由近红外（NIR）感应提供动力
    当今使用的许多有效分体式电磁流量计技术系统都是基于NIR光线，人类无法看到它，以显示人类用户的运动。

    NIR灯支持3D感测和深度测量功能，这些功能利用结构化的光和/或TOF方法生成输入数据。

    NIR光源（通常是LED或激光发射器，例如VCSEL）必须正确运行，以保证基于NIR的分体式电磁流量计系统的准确性。

    手势系统的制造商必须证明其性能，以确保照明源发出的NIR光强度足以使应用成功完成并且对于人类暴露是安全的。

    Radiant提供NIR强度透镜解决方案，用于正确表征和测量NIR发射器，例如面部识别，分体式电磁流量计和眼动跟踪应用中使用的发射器。

    组合使用具有PROMETRIC透镜®成像光度计和真实测试™软件，是用于NIR光源的测量的完整解决方案。

    对于手势和面部识别应用，TrueTest的TT-NIRI™软件模块包括用于NIR光源测量的特定测试，例如：

        POI总功率
      总通量（mW或W）
      像素立体角
      **大功率 洪水源分析
      点源分析
      图片导出
      兴趣点

    手势和面部识别系统均使用TOF测量和结构化光（点图案）相同的3D传感技术。

    要了解有关以人为中心的技术中使用的源的NIR发射测试的更多信息，请阅读白皮书：测量近红外（NIR）光源以实现有效的3D面部识别。