基于Kinect的手势识别技术在人机交互中的应用研究

摘要

“客厅娱乐”要求以一种更加自然的方式与智能电视进行交互。除了传统的电视功能外，智能电视还提供玩游戏、网页浏览等新功能。这些新功能需要新的人机交互技术的支持，而近年来，随着手势识别技术的成熟，以及Kinect体感设备的推出，采用基于Kinect的手势识别技术高效、便捷地与智能电视进行交互已经成为一种潮流。
　　本研究课题着重于以智能电视为对象的交互技术的研究。针对智能电视的常用功能，本文认为使用动态手势可以更加高效、便捷地进行交互。因此，本文以动态手势的识别技术为主要研究内容，借助Kinect体感摄像机，对动态手势的识别算法进行研究和实验。
　　本文首先介绍了基于手势识别的人机交互技术的背景和意义，并阐述了国内外的研究现状。接下来介绍了手势识别的常用流程和算法，并针对智能电视交互场景下的常用功能，定义了一组动态手势。然后，将手势分为静态手势和动态手势2类，分别对这2类手势的识别算法进行了研究和实验。在此基础上，利用DTW算法对空间手写轨迹进行了识别。为了提高识别率，本文提出采用位置相似度权重改进DTW算法。最后，介绍了手势识别系统开发、运行的软硬件环境和系统的软件架构。利用Kinect for Windows对手势进行采集，并对系统进行了测试。

目录

声明

摘要

第1章 绪论

1．1 课题研究的意义

1．2 Kinect体感技术简介

1．3 Kinect原理

1．3．1 Kinect关键技术

1．3．2 Kinect局限性

1．4 国内外研究现状

1．4．1 人机交互

1．4．2 手势识别

1．4．3 动态手势识别

1．5 研究内容和组织结构

第2章 手势识别技术概述

2．1 基于三维模型的手势识别

2．2 基于视觉外观的手势识别

2．2．1 静态手势识别

2．2．2 动态手势识别

2．3 智能电视交互场景下的常用手势

2．4 本章小结

第3章 基于深度图像的静态手势识别

3．1 基于阈值的手势分割

3．1．1 Kinect深度传感器

3．1．2 阈值的确定

3．1．3 K-Means分割手势区域

3．2 手势轮廓预处理

3．2．1 手势轮廓提取

3．2．2 手势轮廓近似

3．2．3 手势轮廓的最小凸包

3．3 提取手指点

3．3．1 FT-GB算法

3．3．2 A_Thres参数的设定

3．4 静态手势的识别

3．4．1 静态手势的定义

3．4．2 静态手势的识别

3．5 本章小结

第4章 动态手势识别和DTW算法改进

4．1 动态手语决策树与抓取手势

4．2 光标移动手势

4．3 轨迹书写手势

4．4 空间手写轨迹识别

4．4．1 轨迹特征

4．4．2 DTW算法

4．4．3 基于位置相似度权重的基距离

4．5 本章小结

第5章 系统实现与测试

5．1 系统环境与软件架构

5．2 手指点检测

5．3 静态手势识别检测

5．4 动态手势识别检测

5．5 空间手写轨迹的识别检测

5．6 本章小结

结论

改进与展望

致谢

参考文献

附录

攻读硕士学位期间发表的论文及科研成果