基于Kinect的手勢識別技術(shù)研究.pdf

1、手勢識別是自然人機交互的一項關鍵技術(shù),相對于傳統(tǒng)的鼠標、鍵盤等機械設備,手勢具有自然直觀、容易理解等優(yōu)點,更加符合人類日常交流習慣。Kinect是微軟公司發(fā)布的一款可同時獲取RGB彩色圖像和深度圖像的設備,它能從單幀深度圖像中預測20個人體骨架節(jié)點的三維坐標,是研究基于計算機視覺的手勢識別技術(shù)的理想設備。按照識別對象分類,手勢識別可以分為靜態(tài)手勢識別和動態(tài)手勢識別。本文以Kinect為輸入設備,分別對靜態(tài)手勢識別技術(shù)和動態(tài)手勢識別技術(shù)進

2、行了研究。
　　靜態(tài)手勢識別對單幀圖像中手的形狀進行分類,一般包括手勢分割、特征提取、分類識別三個步驟,本文結(jié)合手部節(jié)點的位置信息和自適應閾值的膚色檢測方法分割手勢,提取Hu不變矩和手指個數(shù)作為特征,最后用SVM進行分類。動態(tài)手勢識別對連續(xù)多幀圖像中手的運動軌跡進行分類,一般包括手部分割、手部跟蹤、特征提取、分類識別四個步驟,本文從單幀深度圖像中得到骨架節(jié)點的位置,將骨架節(jié)點的運動軌跡作為動態(tài)手勢的特征,使用距離加權(quán)動態(tài)時間規(guī)整算

3、法計算訓練樣本和測試樣本之間的距離,最后用K-NN進行分類。
　　本文的主要研究內(nèi)容包括以下三個方面:
　?、偬岢鲆环N新的靜態(tài)手勢分割方法:結(jié)合手部節(jié)點的位置信息和自適應閾值的膚色檢測方法分割靜態(tài)手勢。該方法不需要大量訓練樣本,可以根據(jù)實時獲取的圖像動態(tài)調(diào)整膚色檢測閾值。實驗結(jié)果表明,該方法可以克服類膚色區(qū)域的干擾,具有很好的分割效果。
　　②提出一種新的靜態(tài)手勢特征提取方法:在7個Hu不變矩的基礎上加上手指個數(shù)構(gòu)成一

4、個8維的特征向量作為靜態(tài)手勢的特征。Hu矩和手指個數(shù)都具有旋轉(zhuǎn)、平移、縮放不變性,手指個數(shù)可以直觀的區(qū)分靜態(tài)手勢,但卻不能唯一的表示靜態(tài)手勢。實驗結(jié)果表明,在Hu不變矩的基礎上加上手指個數(shù)這一特征后靜態(tài)手勢平均識別率有所提高。
　?、厶岢鲆环N新的動態(tài)手勢分類識別方法:在動態(tài)時間規(guī)整(DTW)基礎上提出一種新的距離加權(quán)DTW算法以計算動態(tài)手勢測試樣本與訓練樣本之間的距離,然后用K-NN分類器進行分類識別。由于每個骨架節(jié)點的DTW距離