基于Kinect深度信息的手勢識別.pdf

1、隨著計算機技術的發(fā)展,人機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,而手勢識別是人機交互的一個重要方式。相比較鼠標,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。基于計算機視覺手勢識別技術對環(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交互效果,推動人機交互技術在各行各業(yè)的應用具有重要意義。本文對基于深度信息的手勢識別進行了較深入的研究,開發(fā)了一個手勢識

2、別系統(tǒng),研究內容如下:
　　首先,分析了手勢識別研究的背景及意義、國內外的研究現(xiàn)狀,給出了常用的幾種手勢識別算法。
　　其次,研究了Kinect傳感器內部結構和工作原理,以及利用OpenNI框架獲取深度信息并進行預處理的具體方法。
　　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,對靜態(tài)手勢提出了一種閾值拐點檢測法,該方法能準確提供手部的重要信息:指

3、尖、手指、掌心的準確位置,提供信息讓手部與系統(tǒng)做即時的互動。本系統(tǒng)可以在復雜背景的情況下準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。最后在手指識別的基礎上,實現(xiàn)了手指名字和數(shù)字手勢的識別。
　　最后,對動態(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,并進行了平滑處理。然后研究了DTW動態(tài)規(guī)劃算法的原理,根據(jù)DTW算法識別手勢的時候不同的關節(jié)點的權重是不同的,提出加權DTW