基于Kinect深度信息的手勢識別.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展,人機(jī)交互一直朝著人性化與簡單化的方式不斷的持續(xù)發(fā)展,而手勢識別是人機(jī)交互的一個(gè)重要方式。相比較鼠標(biāo),鍵盤等接觸式的操作方式,自然而直觀的手勢更符合人的自然行為?；谟?jì)算機(jī)視覺手勢識別技術(shù)對環(huán)境背景要求高,通過 Kinect傳感器獲取的深度圖像可以解決該問題。因此研究基于深度信息的手勢識別對提高人機(jī)交互效果,推動(dòng)人機(jī)交互技術(shù)在各行各業(yè)的應(yīng)用具有重要意義。本文對基于深度信息的手勢識別進(jìn)行了較深入的研究,開發(fā)了一個(gè)手勢識

2、別系統(tǒng),研究內(nèi)容如下:
　　首先,分析了手勢識別研究的背景及意義、國內(nèi)外的研究現(xiàn)狀,給出了常用的幾種手勢識別算法。
　　其次,研究了Kinect傳感器內(nèi)部結(jié)構(gòu)和工作原理,以及利用OpenNI框架獲取深度信息并進(jìn)行預(yù)處理的具體方法。
　　再次,研究了基于Kinect深度信息的靜態(tài)手勢識別算法。先介紹了手部提取的算法。然后研究了傳統(tǒng)的手指檢測方法,同時(shí),對靜態(tài)手勢提出了一種閾值拐點(diǎn)檢測法,該方法能準(zhǔn)確提供手部的重要信息:指

3、尖、手指、掌心的準(zhǔn)確位置,提供信息讓手部與系統(tǒng)做即時(shí)的互動(dòng)。本系統(tǒng)可以在復(fù)雜背景的情況下準(zhǔn)確的判斷手指和手心的位置,并且容許手掌和手臂一定程度的翻轉(zhuǎn)。最后在手指識別的基礎(chǔ)上,實(shí)現(xiàn)了手指名字和數(shù)字手勢的識別。
　　最后,對動(dòng)態(tài)的手勢識別做出了深入的研究,先使用了Kinect SDK獲取用戶索引和人體的骨骼特征,并進(jìn)行了平滑處理。然后研究了DTW動(dòng)態(tài)規(guī)劃算法的原理,根據(jù)DTW算法識別手勢的時(shí)候不同的關(guān)節(jié)點(diǎn)的權(quán)重是不同的,提出加權(quán)DTW