基于Kinect的手勢(shì)識(shí)別研究與應(yīng)用.pdf

1、隨著現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展，人機(jī)交互方式經(jīng)歷了命令行界面、圖形用戶界面并逐漸向自然用戶界面轉(zhuǎn)變。自然用戶界面是一種自然的與計(jì)算機(jī)進(jìn)行交互的方式，它是一系列技術(shù)的合集，包括:語音識(shí)別、人臉識(shí)別、手勢(shì)識(shí)別等。其中手勢(shì)是一種簡單明了、易學(xué)易用的人機(jī)交互手段，基于視覺的手勢(shì)識(shí)別技術(shù)將是推進(jìn)交互手段變革的必不可少的核心技術(shù)。隨著Kinect的推出，越來越多的研究者們開始關(guān)注和重視起基于深度圖像的手勢(shì)識(shí)別領(lǐng)域，并且已經(jīng)獲得了一些研究成果，這些成果逐漸

2、應(yīng)用在體感游戲或智能家居中，進(jìn)入了普通百姓的生活。
　　本文對(duì)手勢(shì)分割、指尖檢測(cè)、手勢(shì)識(shí)別、履帶機(jī)器人運(yùn)動(dòng)控制原理等模塊進(jìn)行研究，分析了現(xiàn)有的各種方法，對(duì)其進(jìn)行改進(jìn)，最后使用模板匹配和隱馬爾科夫模型分別實(shí)現(xiàn)了靜態(tài)和動(dòng)態(tài)手勢(shì)識(shí)別，并將其結(jié)合，應(yīng)用到履帶機(jī)器人運(yùn)動(dòng)控制上。
　　首先，描述了Kinect深度圖像成像技術(shù)，然后討論了利用深度圖像進(jìn)行手勢(shì)分割的幾種常見方法，提出將大津算法引入到深度圖像的手勢(shì)分割中，實(shí)驗(yàn)表明本方法能夠更

3、加魯棒快速地進(jìn)行手勢(shì)分割，具有一定的推廣應(yīng)用價(jià)值。
　　其次，在指尖檢測(cè)部分，本文利用手部輪廓與掌心距離的特征進(jìn)行指尖判定，能夠有效檢測(cè)出不同數(shù)目的指尖;靜態(tài)手勢(shì)識(shí)別部分，本文選取了五個(gè)手部表觀特征，并計(jì)算出五個(gè)特征參數(shù)，通過模板匹配的思想進(jìn)行手勢(shì)識(shí)別，本系統(tǒng)可以快速識(shí)別出十種不同的靜態(tài)手勢(shì);動(dòng)態(tài)手勢(shì)識(shí)別部分，本文通過提取手勢(shì)的位置、方向和速度特征，優(yōu)化動(dòng)態(tài)手勢(shì)檢測(cè)條件，然后利用隱馬爾科夫模型實(shí)現(xiàn)了動(dòng)態(tài)手勢(shì)識(shí)別。
　　最后，