基于Kinect傳感器的動靜態(tài)手勢識別研究.pdf

1、伴隨著計算機技術(shù)的發(fā)展，與之密切相關(guān)的人機交互技術(shù)向著愈來愈人性化和簡單化的方向前進(jìn)。手勢是一種包含了最多信息量的人體語言，有著自然、友好、有效等天然優(yōu)勢，憑借著這些優(yōu)勢，手勢這一種重要的人機交互方式也愈加凸顯其重要地位。手勢識別方式多種多樣，其中只有基于計算機視覺的手勢識別方式不需要用戶佩戴外設(shè)，這一優(yōu)點給予了用戶更多的自由性。不過基于計算機視覺的手勢識別也有著易受到光照條件和復(fù)雜背景環(huán)境的影響的缺點。使用Kinect傳感器對圖像深度

2、信息進(jìn)行采集的方式排除了復(fù)雜背景和光照條件對識別過程造成的影響，這對解決基于視覺的手勢識別技術(shù)的缺點提供了新的研究方向。因此，為了提高人機交互效果，推進(jìn)人機交互技術(shù)在不同行業(yè)中的應(yīng)用，研究基于深度信息的手勢識別技術(shù)具備重要意義。本文選用Kinect傳感器搭建實驗平臺對基于深度信息的手勢識別技術(shù)進(jìn)行了深入研究，具體的研究工作和研究成果如下：
　　1.分析了手勢識別研究的背景及意義，并給出了基于不同硬件設(shè)備的手勢識別方法的分類，同時對

3、他們的優(yōu)缺點進(jìn)行了比較。然后分析了不同種類的手勢識別方法的研究現(xiàn)狀。
　　2．搭建了包括Kinect傳感器、計算機等實驗設(shè)備的實驗平臺。并對圖像采集的主要設(shè)備Kinect深度傳感器核心理論、應(yīng)用技術(shù)、驅(qū)動OpenNI等進(jìn)行了介紹。
　　3．根據(jù)Kinect傳感器傳出的深度圖像對人體骨骼進(jìn)行跟蹤進(jìn)而跟蹤手部，再通過閾值分割法將背景和前景從圖像中分離，經(jīng)過圖像處理后提取手部輪廓。
　　4．采用閾值法將手勢分為靜態(tài)手勢和動態(tài)

4、手勢兩個類別。并分別針對兩種手勢采用不同算法進(jìn)行識別。對于靜態(tài)手勢，對其輪廓提取了Hu矩作為識別特征，然后設(shè)計了BP神經(jīng)網(wǎng)絡(luò)作為其學(xué)習(xí)識別手段，之后又使用GA改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)對靜態(tài)手勢進(jìn)行識別，取得了較為理想的識別效果，且此識別結(jié)果不受光照條件的影響。
　　5．對于動態(tài)手勢，使用骨骼關(guān)節(jié)運動軌跡的歐氏距離作為運動軌跡描述子，并采用DTW算法進(jìn)行識別，以實現(xiàn)識別翻頁、放大、縮小等動作的功能。該識別方法穩(wěn)定，不受背景，光照等條件的