基于Kinect手勢識別的網(wǎng)頁控制軟件設(shè)計.pdf

1、隨著計算機(jī)科學(xué)與技術(shù)的高速發(fā)展，人機(jī)交互技術(shù)已經(jīng)進(jìn)入多通道、多媒體的智能人機(jī)交互階段。利用計算機(jī)理解人類的多種感覺和動作，取代鼠標(biāo)和鍵盤，使得人機(jī)交互方式更加自然、高效，已成為新一代人機(jī)交互領(lǐng)域的研究熱點。手勢及人體姿勢作為一種直觀、自然地輸入操作方式，已成為當(dāng)今人機(jī)交互領(lǐng)域一個重要分支，具有廣闊的應(yīng)用前景和市場價值。
　　在利用手勢及人體姿勢動作進(jìn)行人機(jī)交互的研究中，微軟公司研制的Kinect傳感器顯示出了卓越的優(yōu)勢，具有良好的

2、研究和應(yīng)用價值。本文以Kinect傳感器為基礎(chǔ)，首先對Kinect傳感器的技術(shù)原理進(jìn)行分析，利用Kinect傳感器獲取視角范圍內(nèi)的深度圖像，通過深度圖像識別出圖像中的人體，進(jìn)而獲得人體骨骼點的3D坐標(biāo)信息，然后結(jié)合深度圖像對靜態(tài)手勢識別進(jìn)行研究，結(jié)合人體骨骼信息對動態(tài)姿勢識別進(jìn)行研究。最后將動態(tài)姿勢識別的方法與瀏覽器網(wǎng)頁控制技術(shù)相結(jié)合，實現(xiàn)姿勢控制瀏覽器網(wǎng)頁的人機(jī)交互系統(tǒng)。主要研究內(nèi)容如下:
　　1.從手勢圖像采集和預(yù)處理、手勢圖

3、像分割、手勢特征提取、分類器的選擇和使用幾方面詳細(xì)介紹本文實驗中基于Kinect傳感器的靜態(tài)手勢識別方法。包括OTSU閾值分割算法、Hu矩、手指個數(shù)提取算法以及本研究所用到的分類器支持向量機(jī)。
　　2.在動態(tài)姿勢識別方面，對Kinect傳感器獲取的深度信息進(jìn)行分析，獲取人體主要骨骼點的3D坐標(biāo)，從中選取六個點作為手部運動的特征參照;為了消除每個實驗對象的深度定位以及人體體型之間的差異帶來的誤差，對實驗中的數(shù)據(jù)進(jìn)行中心化和歸一化處理

4、。針對實驗中獲取的特征，對DTW算法做了適應(yīng)性調(diào)整。為提高識別速度，提出了一種基于查表的DTW算法對得到的特征數(shù)據(jù)進(jìn)行模板訓(xùn)練并實現(xiàn)動態(tài)手勢識別。實驗結(jié)果表明:該方法具有較高的識別速度和識別率，對復(fù)雜背景及光照強(qiáng)度變化具有較強(qiáng)的魯棒性。
　　3.將動態(tài)姿勢識別方法應(yīng)用于瀏覽器網(wǎng)頁控制當(dāng)中，定義了6種日常生活中常用的手部姿勢，實現(xiàn)了動態(tài)姿勢對瀏覽器網(wǎng)頁的控制功能。測試結(jié)果表明:系統(tǒng)對預(yù)定義的各種動態(tài)姿勢識別率高，識別速度快，對不同的