面向家庭服務(wù)機器人的動態(tài)手勢識別方法研究.pdf

1、隨著計算機技術(shù)的發(fā)展，人機交互開始向著人性化和簡單化發(fā)展。自然用戶界面即用戶以自然的方式與計算機進(jìn)行交流如語音、觸控、手勢等。其中手勢是一種自然而直觀的人際交流模式?；谝曈X的手勢識別是實現(xiàn)人機交互人性化所不可缺少的一項關(guān)鍵技術(shù)。Kinect作為一個革命性的產(chǎn)品，提供了一項全新的人機交互的方式，使人機互動的理念更加徹底的展現(xiàn)出來。它能夠克服因為光照強弱的變化帶來的影響，它能夠捕捉、跟蹤人體的動作，手勢以及聲音。本文通過利用Kinect提

2、供的骨骼三維信息，通過骨骼間形成的向量計算夾角得到特征值，提出了基于球形區(qū)域的KNN快速識別方法進(jìn)行動態(tài)手勢識別。本論文的工作主要有以下兩個方面。
　　首先，分析動態(tài)手勢識別中重要的關(guān)節(jié)點，這些關(guān)節(jié)點決定著動態(tài)手勢的姿態(tài)。在確定了關(guān)鍵的關(guān)節(jié)點之后，進(jìn)行基于骨骼三維信息的特征提取。計算重要節(jié)點構(gòu)成的向量的球形角度以及該向量與坐標(biāo)軸的夾角。再考慮頭部節(jié)點，頭部節(jié)點在動作中位置基本不變，計算關(guān)鍵節(jié)點與頭部節(jié)點的角度可以更準(zhǔn)確的描述關(guān)鍵節(jié)

3、點的位置。通過實驗驗證了改進(jìn)的特征提取方法的效果，準(zhǔn)確率有了一定的提高。
　　其次，在特征提取完畢之后，針對該特征進(jìn)行識別，研究了動態(tài)手勢識別的方法。選取了基于匹配思想的KNN識別算法，針對KNN算法的不足提出了基于球形區(qū)域的KNN快速識別算法。通過實驗驗證了提出的基于球形區(qū)域的KNN快速識別算法的效果，在保證正確率的基礎(chǔ)上減少了識別時間。
　　最后，設(shè)計了能夠滿足控制家庭服務(wù)機器人的5個動態(tài)手勢，進(jìn)行實時識別，從光照強弱和