基于Kinect深度圖像的靜態(tài)手勢識別的研究與應(yīng)用.pdf

1、隨著科技的不斷進(jìn)步和計算機(jī)的普及，人機(jī)交互的方式也趨于多樣化。從傳統(tǒng)的鍵盤，圖形用戶界面，平板電腦的手寫漢字到最近火熱的語音識別，體感外設(shè)的手勢。這些人機(jī)交互的方式無疑都在朝向自然化和便利性的方向發(fā)展。手勢以其直觀性和自然性的特點，已經(jīng)成為人機(jī)交互的一種重要手段。它擺脫了傳統(tǒng)鍵盤鼠標(biāo)等方式的束縛，更加符合人類自身的習(xí)慣，因此具有非常廣泛的應(yīng)用前景。本文也選取了手勢識別作為研究課題。
　　傳統(tǒng)的手勢識別技術(shù)主要包括基于佩帶設(shè)備的手勢

2、識別和基于計算機(jī)視覺的手勢識別?；谂鍘гO(shè)備的手勢識別是指利用數(shù)據(jù)手套或者三維設(shè)備進(jìn)行的手勢識別方法，限制了自然的人機(jī)交互?；谝曈X的手勢識別研究包含了很多算法，但是這些方法在手勢分割時易受光照、背景和攝像頭特性等因素影響，導(dǎo)致識別率并不高。
　　本文在前人的基于視覺手勢識別的研究基礎(chǔ)上，對手勢識別技術(shù)做出了探索研究。主要的研究思路是借助Kinect深度和彩色傳感器獲取手勢的深度和彩色圖像數(shù)據(jù)并結(jié)合基于視覺的手勢識別方法，對手勢進(jìn)

3、行分析和識別。這種方法能夠很好地解決因光照和背景等因素對手部區(qū)域分割的影響。本文主要針對靜態(tài)手勢進(jìn)行識別。其研究思路是利用深度圖像直方圖尋找合適閾值分離前景和背景場景，然后使用膚色信息檢測分割出手勢區(qū)域。這種方法能夠提取出比較理想的手部區(qū)域，然后對手勢區(qū)域提取hog特征描述子作為特征向量。最后選取K近鄰（KNN）作為靜態(tài)手勢的分類器進(jìn)行訓(xùn)練。K近鄰在類別決策時，只與極少量的相鄰樣本有關(guān)，因此，K近鄰可以較好地避免樣本不平衡的問題。采用本