原创 基于TOF微型多区激光传感器在MCU上的AI手势识别

TOF多区传感器： ND06  

 ND06是一款微型多区高集成度ToF测距传感器，其支持24个区域（6 x 4）同步测距，测距范围远达5m，具有测距范围广、精度高、测距稳定等特点。适用于投影仪的无感自动对焦和梯形校正、AIoT、手势识别、智能面板和智能灯具等多种场景。


          
       如果用ND06进行手势识别，只需要经过三个步骤：

 第一步  ：  对ND06的数据采集，要多快好省。
            多  ---  指的是一次采集24个区域（6 x 4） 的数据。
            快  ---  30HZ 的采集速度。
            好---数据要准确
            省是省电  。

            你想，每秒30*24 个数据，  假设一个手势用时1.2s,   则需要 1.2*30*24 个数据来分析。
           每次手势还不同，如果同这么多数据分析出您是左滑还是右滑，还是画个Z,   
            如果用单纯程序来分析出来，估计会让所有的程序员崩溃。 
            好在现在这种分析，可以让AI 来干。 

              采集数据 就是在传感器前面，做出100个（这个越多越好，我是由于体力不支外加懒惰）正确的动作，譬如说左滑，让传感器采集。
             从而得到要训练的数据。
             鉴于数据量大，保证在MCU不合适， 因此每采集一帧，用UART口传到PC 上进行保存。
            无论动作快慢，都上传保存1.2s 的数据。

            MCU 用的是ESP32,   软件可以用arduino IDE,  但是我用的PlatformIO    
     第二步是训练。 
             得到训练的数据后，首先要进行数据的转换。
             因为上传上来的数据是BIN格式， 是16进制的数据， 存放在文件中。
             这时候 BIN 文件 转换成 SCV 文件 ，格式转换是为了给PYTHON 分析和使用。 
             转换文件：bin2scv.py
             这个程序的作用就是打开，取出数据，转换成字符串， 每个字符串中间加分隔符，每一帧字符串后 加 换行符。

              数据分析用的一下版本：  这个要注意，有些软件版本兼容性比较差，一旦改版本，出现的错误会让人头大。
               python 3.8.10
               TensorFlowLite_esp32 0.9.0

                训练程序 ：tinyml.py    （注明：本程序是大神HIGHT 所写，我只是为自己的应用改动了一点点参数）
                 
                   tinyml.py  的主要作用有5个步。
                 
                 1） 数据标准化
                           把数据变成-1 至1 之间的浮点数，并存入数组。 
                          这个过程内存消耗有点惊人。

             
                  2） 创建模型：       一共创建了3层模型。
                    第一层输入层是1.2 秒采集的所有数据。 偏置是32；
                    model.add(layers.Dense(32, activation='relu', input_shape=(16*SAMPLES_PER_GESTURE,)))
                    第二层是隐藏层   ，偏置16
                  model.add(layers.Dense(16, activation='relu'))             #隐藏层 
                     第三层是输出层
                    model.add(layers.Dense(2, activation='softmax'))           #最后输出2个。  输出层

          3） 训练模型 （核心）
  SampleCount = len(x)             可以看出，训练的程序也很简单，就一句话的事情。
                          关于为什么用80%的数据来训练，是因为要保留20% 的数据来进行验证。
                       我理解这个训练 ,  就是拟合。
           
                   我增加了一段图形程序 ，来看看是否有过拟合的现象
              # 用图形软件 查看是否过拟合，欠拟合