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(yù)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(chǔ)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(xiàn)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(jié)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(jù)深度信息獲取手勢位姿和關(guān)節(jié)點的方法，并結(jié)合深度信息與膚色模型對手勢進行3D建模。在此基礎(chǔ)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(chǔ)。
　　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(jié)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(jù)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(chǔ)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