基于Kinect的手勢識別及其在場景驅(qū)動中的應(yīng)用.pdf

1、在用戶界面研究中，人機(jī)交互技術(shù)是當(dāng)前發(fā)展最迅速的技術(shù)之一，研究人員予以特別重視。它是一門綜合學(xué)科，與認(rèn)知學(xué)、人機(jī)工程學(xué)、心理學(xué)等學(xué)科領(lǐng)域有著密切的聯(lián)系。作為人機(jī)交互中重要的一部分，手勢識別一直以來被眾多研究者重視。特別是近幾年，隨著微軟公司的Kinect的出現(xiàn)，符合人機(jī)交流習(xí)慣的手勢識別交互技術(shù)的研究變得非?；钴S。按照手勢動作分類，手勢識別研究包括兩部分:靜態(tài)手勢識別及動態(tài)手勢識別。本課題以微軟公司提供的Kinect為手勢動作的采集設(shè)備

2、，對靜態(tài)手勢識別和動態(tài)手勢識別的算法分別進(jìn)行優(yōu)化然后在虛擬場景中完成測試。
　　首先，為了使手部區(qū)域分割更精確，提出一種新的手部區(qū)域分割算法。該算法通過計(jì)算軀干區(qū)域和手部區(qū)域的類間方差得到最佳分割閾值，從而提取到手部區(qū)域，再計(jì)算手部區(qū)域點(diǎn)密度最大的點(diǎn)得到掌心點(diǎn)，采用相應(yīng)橢圓描述手掌區(qū)域的基礎(chǔ)上結(jié)合相應(yīng)坐標(biāo)系將手部區(qū)域細(xì)分成手掌區(qū)域、指尖區(qū)域和手臂區(qū)域。
　　其次，針對靜態(tài)手勢識別過程中利用單特征識別時(shí)準(zhǔn)確率低的問題，提出一種

3、基于多特征提取的手勢識別算法。此算法首先提取指尖點(diǎn)到手掌中心點(diǎn)的距離、指尖點(diǎn)到手掌平面的距離和手掌區(qū)域三種不同的手勢特征，然后應(yīng)用一個多分類的支持向量機(jī)(SVM)分類器對靜態(tài)手勢進(jìn)行分類，并在手勢數(shù)據(jù)庫中完成了算法驗(yàn)證。
　　第三，針對動態(tài)手勢識別過程中關(guān)節(jié)點(diǎn)獲取不準(zhǔn)確的問題，提出一種利用關(guān)節(jié)點(diǎn)可信度度量關(guān)節(jié)點(diǎn)有效性的算法。此算法通過計(jì)算關(guān)節(jié)點(diǎn)的行為可信度、運(yùn)動學(xué)可信度和彩色圖像可信度及其可信度的特征權(quán)重，可更準(zhǔn)確獲取動態(tài)手勢的關(guān)