您是否曾经梦想过使用手势控制机器？
或者根据手势，在手机上向朋友们发送表情符号？
现在这些都已变成现实！ 有了意法半导体多区飞行时间 (ToF) 传感器，这一解决方案甚至连相机都不需要。 AI算法在STM32微控制器上运行，降低了处理复杂度和功耗。
您可以定义自己的手势集，收集数据集，训练AI模型，并创建您自己的应用！
或者根据手势，在手机上向朋友们发送表情符号？
现在这些都已变成现实！ 有了意法半导体多区飞行时间 (ToF) 传感器，这一解决方案甚至连相机都不需要。 AI算法在STM32微控制器上运行，降低了处理复杂度和功耗。
您可以定义自己的手势集，收集数据集，训练AI模型，并创建您自己的应用！
方法
该手部姿势识别解决方案是使用ST多区飞行时间传感器检测一系列手部姿势，并在 NUCLEO-F401RE上运行。
开发过程基于以下步骤：
这种方法可以实现应用的快速开发，具有高度可配置的手势，低内存占用和低处理功耗。
根据具体应用，您可以选择将ToF传感器放置在用户前方（个人计算机、满意度箱），指向天花板（烹饪盘）或固定在移动物体上（智能眼镜）。
开发过程基于以下步骤：
- 定义您自己的手势集
- 使用8 x 8多区域ToF传感器（例如VL53L5CX、VL53L7CX或VL53L8CX ）的距离和信号数据，从多个用户那里收集您的数据集。
- 使用STM32 MODEL ZOO的训练脚本训练AI网络
- 通过STM32Cube.AI开发者云或STM32 MODEL ZOO中包含的“手势入门”，将AI模型实现到您选择的STM32 MCU。
这种方法可以实现应用的快速开发，具有高度可配置的手势，低内存占用和低处理功耗。
根据具体应用，您可以选择将ToF传感器放置在用户前方（个人计算机、满意度箱），指向天花板（烹饪盘）或固定在移动物体上（智能眼镜）。
传感器
数据
数据集：私人数据集：5个用户，7种手势
数据格式
8 x 8测距和信号速率
根据具体应用和所需响应对齐频率
数据格式
8 x 8测距和信号速率
根据具体应用和所需响应对齐频率
结果
资源 
![ST EDGE AI MODEL ZOO]()
![ST EDGE AI MODEL ZOO]()
![STM32Cube.AI]()
![STM32Cube.AI]()
![STM32F4系列]()
![STM32F4系列]()
模型库： ST EDGE AI MODEL ZOO
一系列经过优化的参考AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
优化工具： STM32Cube.AI
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
兼容： STM32F4系列
STM32系列32位微控制器基于Arm Cortex®-M处理器，旨在为MCU用户提供新的开发自由度。它包括一系列产品，集高性能、实时功能、数字信号处理、低功耗/低电压操作、连接性等特性于一身，同时还保持了集成度高和易于开发的特点。