基于深度信息的手勢(shì)識(shí)別與手指跟蹤算法及其應(yīng)用.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，人機(jī)交互領(lǐng)域日益呈現(xiàn)出讓交互客體適應(yīng)交互主體的趨勢(shì)，而手勢(shì)交流即是人類慣用的一種自然的交互方式。Kinect攝像頭和傳統(tǒng)攝像頭相比，能夠提供深度信息和骨骼流信息，這為手勢(shì)相關(guān)的研究和開發(fā)提供了便利。
　　本文的研究工作主要有以下幾個(gè)部分。在概念層面上將手勢(shì)按照操作手勢(shì)的部位和移動(dòng)范圍分類，分為手節(jié)點(diǎn)手勢(shì)和手指手勢(shì)。在算法層面實(shí)現(xiàn)了基于深度信息的手勢(shì)識(shí)別和手指跟蹤算法。在手勢(shì)識(shí)別方面，對(duì)傳統(tǒng)的DTW算法進(jìn)行了改

2、進(jìn)，提出了基于加權(quán)DTW的手勢(shì)識(shí)別算法，根據(jù)操作手勢(shì)時(shí)不同骨骼節(jié)點(diǎn)的不同位移來賦予權(quán)重，提高了識(shí)別的準(zhǔn)確性；而基于骨骼點(diǎn)相對(duì)位置的識(shí)別算法對(duì)于方向手勢(shì)的識(shí)別有著很好的效果并且占用的資源很少。在手指跟蹤方面，本文首先提出了一種基于凸包的K-curvature算法，該算法能夠有效地對(duì)指尖進(jìn)行定位，并且我們對(duì)算法中的參數(shù)選擇作了分析。之后利用指尖識(shí)別的結(jié)果實(shí)現(xiàn)了基于最小距離和的指尖跟蹤算法，并且提出了指尖排序算法，降低了前后幀匹配的復(fù)雜度。在