MPU6050+ESP32 推理手势识别

项目简介
基于MPU6050六轴传感器与ESP32-S3，实现低成本空中手势识别。可识别画圆、画叉、静止、无效动作四类，端侧实时推理，适用于非接触交互、智能家居、教学演示。硬件成本约50元。

技术方案
50Hz采样，四类各81个样本。针对手持姿态变化，采用互补滤波（α=0.98）估算俯仰/横滚角，通过旋转矩阵将6轴数据转换至世界坐标系，使重力锁定Z轴，消除姿态干扰。模型为1D-CNN（Conv1D×2+Dense），输入100帧×6轴，参数量2.7万。训练采用类别权重平衡，叠加高斯噪声、幅度缩放、时间偏移、时间压缩四类增强，覆盖动作快慢变化。

核心难点：动作时长不固定（0.7~2秒），固定窗口会截断。设计200帧环形缓冲+能量触发机制：能量>20000启动采集，回落30帧判定结束，提取完整动作段重采样至100帧，保证推理输入与训练分布一致。误报抑制采用三重过滤：能量门槛（<15000跳过）、段长+能量+活跃率联合判断（过滤“拿起板子”）、相对优势判断（最高概率>0.5且领先第二名>0.25才输出）。

端侧部署：FP32模型402KB，经TFLite转C数组，用TFLM部署到ESP32-S3。单次推理约10ms，tensor_arena仅28KB。

项目指标

独立测试集准确率：95.87%

实测33次：100%（无漏报、无误报）

模型大小：402KB

推理耗时：约10ms

硬件成本：约50元

内存占用：28KB

采样率：50Hz

输入窗口：100帧×6轴

输出延迟：约2秒（含采集）

难点与价值

姿态鲁棒性：世界坐标系转换解决手持翻转导致的波形漂移。

动作时长自适应：动态窗口覆盖0.7~3秒动作，避免截断或冗余。

误报抑制：三重过滤完全屏蔽拿起、晃动、翻动等伪动作，实测零误报。

端侧轻量化：完整预处理+CNN+TFLM在ESP32-S3运行，无需联网。

可交付
采集脚本、预处理工具、训练脚本（含增强与类别权重）、模型转换工具（H5→TFLite→C数组）、ESP32完整工程代码、技术文档。

扩展能力
手势类别可扩展（上下左右滑动、8字、勾选等）；可迁移至其他IMU（ICM-42688、LSM6DSV）；可对接蓝牙/WiFi实现无线控制；可做INT8量化版本（模型压缩至110KB，推理加速3倍）。