1.项目需求

将dToF可识别挥动，接近/远离等手部动作，并使用手势动作控制屏幕上的菜单功能。

2.处理思路

我们使用MicroPython驱动TMF8821的dToF传感器模块，之后我们将获取其中的置信值和距离作为我们手势判断标准，并且将温度值读取出来作为我们的菜单选项，再添加当前时间作为我们菜单的第二个选项。

3.流程图

4.实现步骤

4.1 下载TMF8821固件

我们将再GitHub上下载我们的TMF8821固件https://github.com/K1ngGrim/tmf882X_micropython
这里将我们的固件下载已经写完了，这里我们主要解决对于挥动远离接近的逻辑判断。

4.2 动作识别的实现

4.2.1 获取识别数据

在每一帧数据采集时，我们提取了第2、5、8个采样点的距离和置信度值，以便进行动作识别判断。

frames = tmf8821_util.measure_frame()  # 获取多帧数据
if frames:
    selected_results = []  # 存储第2、5、8个结果
    frame = frames[0]  # 获取第一个帧
    for frame in frames:
        if len(frame.results) >= 8:
            selected_results.extend([frame.results[1], frame.results[4], frame.results[7]])

4.2.2 识别逻辑

通过分析距离和置信度的变化趋势，我们实现了挥动、接近和远离的判断：

def collect_data(self, result, temp):
    self.distances.append(result.distanceInMm)
    self.temp = temp
    if self.previous_distance is not None:
        distance_change = result.distanceInMm - self.previous_distance
        self.distance_changes.append(distance_change)
    self.previous_distance = result.distanceInMm
​
    if self.previous_confidence is not None:
        confidence_change = result.confidence - self.previous_confidence
        self.confidence_changes.append(confidence_change)
    self.previous_confidence = result.confidence

通过比较当前和前一时刻的距离与置信度变化，我们判断手势动作：

• 接近： 当距离逐渐减小，且置信度增大时，判断为手势接近。
• 远离： 当距离逐渐增大，且置信度减小时，判断为手势远离。
• 挥动： 通过分析数据的波动模式（如距离的增减交替），判断是否为挥动动作。

def analyze_changes(self):
    if len(self.distance_changes) < 5 or len(self.confidence_changes) < 5 or self.default_distance is None:
        return "No sufficient data to analyze"
​
    distance_trend = sum(self.distance_changes)
    confidence_trend = sum(self.confidence_changes)
​
    if self.is_wave_gesture():
        self.wave_action()
        print("挥动")
    elif distance_trend > 80 and confidence_trend <=0:
        self.far_action()
        print("远离")
    elif distance_trend < -150 and confidence_trend <= 0:
        self.near_action()
        print("接近")
    else:
        print("不动")
    self.reset()

4.2.3 扩展的手势识别

此外，系统还实现了更精细的挥动检测。挥动手势识别不仅通过距离变化来判断，还结合了距离的波动模式。挥动的判断逻辑如下：

def is_wave_gesture(self):
    if len(self.distances) < 5:
        return False
​
    default_distance = self.distances[0]
    max_distance = max(self.distances)
    min_distance = min(self.distances)
​
    if (default_distance - min_distance > 15 and max_distance - default_distance > 15) or \
       (max_distance - default_distance > 15 and default_distance - min_distance > 15):
        return True
    return False

4.3 菜单界面设计

菜单界面设计分为三个界面：初始界面显示温度和时间，第二个界面显示传感器温度数据，第三个界面显示当前时间。用户通过挥动手势在菜单项之间切换，接近进入选择界面，远离退出或返回。

def display_menu(self):
    self.in_menu = True
    menu_y_offset = 50
    display.fill(st7789.BLACK)
    for index, item in enumerate(self.menu_items):
        color = st7789.WHITE
        if index == self.current_menu_index:
            color = st7789.GREEN
        display.text(font2, item, CENTER_X - 20, menu_y_offset + index * 40, color)

4.4 菜单界面切换

def enter_selected_menu_item(self):
    self.in_menu = False
    selected_item = self.menu_items[self.current_menu_index]
    if selected_item == "Temp":
        self.display_temp_page()
    elif selected_item == "Time":
        self.display_time_page()

5.效果展示

5.1 菜单界面

5.2 温度界面

5.3 时间界面

6. 项目总结

通过本项目，我们成功实现了一个基于TMF8821 dToF传感器的手势识别系统，系统能够识别接近、远离和挥动等常见手势，并根据手势控制屏幕菜单的切换。通过对传感器数据的分析，我们实现了高效、精确的手势识别。菜单界面设计简洁，用户可以通过手势轻松切换不同界面，查看温度、时间等信息。

7.后续计划

后续可以添加一些LGVL，让我们界面显示更加美观，然后再调试的过程中可能会导致一些误判，我们也可以添加一些滤波算法来调整我们的识别的操作。