基于Kinect的手臂關(guān)節(jié)三維運(yùn)動(dòng)捕獲.pdf

1、腦機(jī)接口技術(shù)可以通過直接讀取大腦運(yùn)動(dòng)皮層神經(jīng)信號(hào)并解碼控制外周的輔助設(shè)備、來幫助殘障人士實(shí)現(xiàn)運(yùn)動(dòng)功能的重建，其中最重要的技術(shù)就是神經(jīng)解碼。手臂是人體參與交互的最重要的器官，大腦運(yùn)動(dòng)皮層信號(hào)對(duì)應(yīng)于手臂大關(guān)節(jié)的運(yùn)動(dòng)信息解碼以及對(duì)手腕關(guān)節(jié)目標(biāo)的三維坐標(biāo)解碼至今仍然是一個(gè)重要的研究課題。在針對(duì)以上的研究中，如何方便的、準(zhǔn)確的獲得手臂的運(yùn)動(dòng)信息是其中的一個(gè)重要問題。
　　相比于傳統(tǒng)的運(yùn)動(dòng)捕獲系統(tǒng)，基于深度信息的運(yùn)動(dòng)捕獲系統(tǒng)更易于搭建且更方便

2、使用，在精度上也能夠滿足神經(jīng)解碼的要求。本文以基于深度信息捕獲手臂關(guān)節(jié)的運(yùn)動(dòng)信息為目標(biāo)，提出了兩種有效的方法:(1)利用追蹤與深度圖像同步的彩色圖像;獲得追蹤手臂關(guān)節(jié)目標(biāo)并計(jì)算其重心三維坐標(biāo)，提出了一種MeanShift與粒子濾波相結(jié)合的方法，既能穩(wěn)定跟蹤又使得追蹤平均時(shí)間較傳統(tǒng)粒子濾波減少50％;(2)利用像素分類的思想，將手臂分為6類，利用真實(shí)的數(shù)據(jù)訓(xùn)練獲得隨機(jī)森林分類器，然后通過分類器預(yù)測得到每個(gè)像素的分類，再計(jì)算同一類別的重心來