基于Kinect深度圖像的手勢識別研究.pdf

1、未來十年,隨著計算機科學技術的迅猛發(fā)展,人機交互模式也將不斷發(fā)生變化。比起使用鍵盤、鼠標等媒介設備而言,手勢在人機交互系統(tǒng)中顯得更加自然和符合人們的行為習慣。所以,手勢識別技術早已成為人機交互研究領域中的熱點課題,具有廣闊的應用前景和巨大的市場潛力。
　　基于視覺的手勢識別方法普遍使用網絡攝像頭作為圖像輸出設備,但是極易受到光照變化的影響和類膚色的干擾,識別結果往往達不到人們的預期希望。本文采用最新的高科技產品Kinect深度攝像

2、頭,避免了環(huán)境因素對手勢識別的影響。在靜態(tài)手勢識別中,本文提出了一種基于深度圖像的凸缺陷指尖檢測法(DB-CDD),首先,利用深度信息和鄰域特點分割手部區(qū)域,接著對分割出的手部二值圖像用Canny算子提取輪廓,在指尖檢測過程中,通過凸包粗檢測出所有可能的指尖區(qū)域,然后利用凸缺陷之間的關系剔除偽指尖點,完成指尖的細檢測,該方法可快速有效的對指尖進行檢測,魯棒性和穩(wěn)定性都較其他方法更好。在動態(tài)手勢識別中,通過Kinect傳感器獲取人體骨骼數

3、據,經過正規(guī)化處理后,提取6個關節(jié)點的運動軌跡作為動態(tài)時間規(guī)整算法的特征向量。本文對動態(tài)時間規(guī)整算法進行了深入分析,通過限制搜索范圍來實現動態(tài)時間規(guī)整算法的全局優(yōu)化,從而縮短了匹配時間,并實現了對六種動態(tài)手勢軌跡的識別,平均識別率達到96.3％。為了驗證該算法的可行性,把它應用在PPT操作系統(tǒng)中,實現了用戶在無接觸性條件下對PPT的自動播放操作和控制翻頁。實驗結果表明,在光照變化和復雜環(huán)境下,均獲得了較好的識別結果,因此,該PPT操作系