基于體感傳感器的手勢識別及人機交互系統(tǒng)研究.pdf

1、由于視覺交互面對的是整個生活場景，而生活場景是多變且難以預測的，且場景會受到很多外界因素的干擾，如光照，溫度等，因此目前基于視覺的人機交互還存在一定的局限性。針對此問題，本文提出了一種基于深度傳感器的手勢識別方法，克服了傳統(tǒng)手勢識別易受光照變化影響的問題，并在此基礎上提出了一種面向移動機械臂平臺的基于手勢識別的人機交互框架，提高了移動機械臂平臺的智能水平。
　　本文分析了視覺手勢識別與人機交互的研究現狀，針對目前手勢識別中存在的不

2、足，提出了本文的解決辦法，即采用體感傳感器Kinect進行手勢識別及人機交互研究。
　　首先闡述了手勢的基本概念，總結分析了手勢建模、靜態(tài)手勢識別與動態(tài)手勢識別的常用方法，研究了基于單高斯模型的膚色建模與混合高斯模型的膚色建模方法，并進行了膚色檢測實驗。
　　其次重點分析了體感傳感器Kinect獲取深度圖像的原理，研究了根據深度信息獲取手勢位姿和關節(jié)點的方法，并結合深度信息與膚色模型對手勢進行3D建模。在此基礎上，采用Haa

3、r-Like特征對手勢進行特征提取，為后續(xù)手勢識別建立了良好的基礎。
　　然后描述了Kalman濾波及Camshift算法的原理，提出了將Camshift跟蹤算法與Kalman濾波相結合的算法，提高了對動態(tài)手勢跟蹤的準確性與實時性。。
　　最后分別對靜態(tài)手勢集與動態(tài)手勢集進行識別實驗，根據識別效果，分析了識別率、穩(wěn)定性、實時性等性能指標。分析了常見的人機交互模型，在此基礎上提出了一種面向移動機械臂平臺的基于手勢識別的人機交互