1 引言
MEMS传感器是采用微电子和微机械加工技术制造出来的新型传感器。与传统的传感器相比，它具有体积小、重量轻、成本低、功耗低、可靠性高、适于批量化生产、易于集成和实现智能化的特点。
人机交互是指用户与计算机之间通过某种特定的交流方式实现信息互换和信息交换的过程，它的出现为人们的生活带来了极大的便利，人们也一直在寻找一种更加自由和直接地操控智能设备的人机交互方式。
2 背景和意义
MEMS的全称是微型电子机械系统(Micro-ElectroMechanicalSystem)，微机电系统是指可批量制作的，将微型机构、微型传感器、微型执行器以及信号处理和控制电路、直至接口、通信和电源等于一体的微型器件或系统。
MEMS传感器是采用微电子和微机械加工技术制造出来的新型传感器，具有体积小、重量轻、成本低、功耗低、可靠性高、适于批量化生产、易于集成和实现智能化的特点。同时，在微米量级的特征尺寸使得它可以完成某些传统机械传感器所不能实现的功能。这类传感器技术成熟，功耗低、成本低，体积小，自主性强，使得MEMS传感器在智能可穿戴设备中备受关注与追捧。
与以图像信息为基础的视觉识别技术相比，以MEMS传感器为基础的姿态识别技术优势突出，拥有更加广阔的应用前景。目前，基于传感器的姿态识别技术，主要是通过惯性器件测量数据，然后通过运动学分析找到每个动作的关键信息，并以此分析每个动作的特征信息，从而进行区分与识别。基于惯性传感器的姿态识别技术正逐渐成为一种新兴的人机交互方式。
加速度计、陀螺仪和磁力仪等微型惯性MEMS传感器[1]，它们是便携式设备中实现运动跟踪、位置感知功能的关键器件。
加速度计可提供基本的方向和倾斜检测功能，且在设备中可以实时跟踪俯仰和翻滚动作。添加陀螺仪后，可以精确测量如设备移动时的俯仰和翻滚，或高速旋转等更复杂的运动。另一方面，磁力计通过监视相对于地磁北极的运动，可用于修正加速计旋转误差。传感器融合技术通过把多个传感器输出合并在一个系统中，进一步得到更加复杂或快速的动作参数，从而实现姿态控制或身体动作捕捉等研究目的[2]。
2012年，因谷歌眼镜的亮相，智能可穿戴设备备受关注与追捧。现如今，主流的可穿戴设备产品形态涵盖：智能手表、手环，游戏手柄，运动鞋等方面。这些智能设备通过姿态识别技术，从而达到监控心率，运动计步，增强体感性能等功能。它们不仅操作简单，容易携带，美观时尚，而且还能对人体的健康起到监督的作用。基于传感器并以无线方式通讯的可穿戴设备正走向我们的现实生活。
3 MEMS穿戴设备的研究与应用
可穿戴电子设备可以集成到衣物或整合到人体皮肤，能够随时、随地、随意地获取和分享肢体运动、脉搏心跳等多种信息，从而在人体运动捕捉、医疗健康监测、人机互动接口等领域拥有巨大的应用前景。
3.1 国内应用现状
中国科学院半导体研究所沈国震课题组与北京科技大学陈娣教授、解放军总医院姜凯教授开展了深入的合作，设计了一种新型的导电纤维结构，通过在弹性绳上预先包覆一层静电纺丝纳米纤维膜来降低大拉伸应变对器件结构的破坏，然后将银纳米线吸附在纳米纤维膜表面作为导电层，形成同轴结构的可拉伸应变传感器件，可有效提高导电纤维的稳定性和耐久性。如图1所示。
图1 可穿戴手套图样手套
将这种柔性纤维器件转移至人体不同部位可实时监测人体的各种运动和健康信息。在人体大尺度运动的监测方面可以实现对手指等部位关节的运动监测；在微弱生理信号方面可以实现对脉搏强度、心跳次数的实时监测，还可以通过对人体发音时声带处肌肉群运动产生的微弱形变，实现对语音的识别，从而有望在语音辅助输出系统、人体健康评价和人体运动监测行为等方面获得广泛应用。
基于这种多功能的导电纤维，该研究团队还集成了具有十通道电路的电子数据手套。该智能数据手套能够通过监测手指关节的运动来识别各种手势变化，实现了柔性传感技术在可穿戴实时监测和人机交互等领域的应用功能。
3.2 国外应用现状
由荷兰Xsens公司开发的MVN动作捕捉姿态识别系统是一套能够实时捕捉并识别人体及骨骼六个自由度的惯性运动系统，可以实时记录和查看运动捕捉效果。图2为MVN动作捕捉系统，不同于传统的光学捕捉系统需要各式线路和光学追踪仪器以及特定的空间场地，MVN独特之处在于无场地限制和便利性，它主要应用惯形器件记录运动参量，不需架设光学镜头与复杂的运算，且所需要的人力、物力和资源也远少于传统的光学式捕捉系统。
图2 动作捕捉系统
2010年微软公司发布了体感周围外设Kinect，这是一种3D体感摄影机，如图3所示。这种设备同时导入了语音识别、麦克风输入、动态捕捉、语音识别、社群互动等多种功能。它依靠相机捕捉三维空间中玩家的运动姿态，丰富了人机交互的体感性，还增强了更多玩家的互动性。
图3 3D体感摄影机
4 总结
可穿戴式智能设备具有体积小巧、性价比高、携带方便的特点，可穿戴设备可以解放用户的双手，使用户不受使用环境的限制，操作更加简便舒适。因此，基于可穿戴设备的手势识别方式越来越收到人们的关注。
参考文献：
[1] 孙蔚蓝，基于MEMS传感器的可穿戴设备的姿态识别研究[D]. 上海工程技术大学，2018.
[2] 刘磊.微型运动传感器的动作捕捉技术分析及其应用[J].微型电脑应用，2018，34(08):125-128.
[3] Cheoljong Yang, David K. Han, Hanseok Ko. Continuous hand gesture recognition based on trajectory shape information. Pattern Recognition Letters, 2017, 99: 39-47.
[4] 吴江琴，高文，陈熙霖.基于数据手套输入的汉语手指字母的识别[J].模式识别与人工智能，1999，12(01):74-78.
[5] 王善德. 基于惯性传感器的智能手环手势识别系统[D].吉林大学，2016.