基于Kinect跑步机系统

研发了一种基于Kinect的跑步机系统,并提出了跑步系列动作识别算法. 该系统基于Unity游戏引擎、3DSMax、Maya、Photoshop建模和平面设计软件开发,运用微软Kinect体感设备和个人电脑获取人体跑步时各种动作的骨骼点数据,结合运动特征分析研发了基于骨骼绑定的跑步、挥手、跳跃、蹲下各种动作的识别算法,通过对人体动作的识别从而实现人机交互的跑步健身游戏娱乐运动. 实验数据表明基于骨骼绑定的动作识别算法的有效性,该跑步机系统硬件设备体积小,它通过人的肢体动作而不是鼠标键盘来操作跑步机软件,同时结合了跑步健身和游戏娱乐等功能,部分代替了传统跑步机的作用,具有很好的体感交互效果和实用价值,研究成果可以用于更多的人机互动应用领域.     

智慧家庭管家设计与实现

为解决机器人设计功能单一而结构复杂,智能家居产品依赖终端而用户体验度差等问题,结合Kinect v2体感交互设备设计一种仿人形智慧家庭机器人,借助嵌入式硬件技术、语音合成技术、动态区域滤波算法、图像分割避障算法、二阶差分边缘检测方法和姿势序列有限状态机的动作识别方法,实现可自定义内容的自然语音交流与语音控制功能、可自动调速的自主避障与路径规划功能、可锁定目标的人物跟踪与动作识别功能。设计实现的机器人具有成本低廉、结构简单、适应性强、功能多样等优点。经实际测试,该智慧家庭管家机器人运行稳定,用户体验良好,可作为智能家居行业探索方向。     

基于Kinect传感器的康复训练系统

针对脑卒中患者后期的康复训练需求,设计并实现了一个基于Kinect传感器的实时康复训练指导系统。该系统利用Kinect传感器实时采集人体动作信息,同时通过与标准动作库中的关键姿势序列进行比对,得出相应的匹配结果,指引患者进行正确的康复训练。实验表明该系统能够准确地判断动作的完成度,对康复训练具有指引作用。     

基于Kinect的家庭助理机器人系统设计与实现

为了使独自在家的小孩、行动不便的老人和病人得到更好的照顾,设计了基于Kinect的家庭助理机器人系统。系统采用单服务器多客户端模型,Kinect和智能手机作为客户端连接到服务器。设计制作了助理机器人,其头部为网络摄像头,臂部为舵机结构,腿部为轮式结构。提出了基于Kinect的改进动作识别算法,实现了机器人的体感控制,可帮助老人和病人抓取物体。设计了手机APP,在外的家人可远程监视室内情况,与家中的老人和病人进行视频通话。     

基于Kinect的运动训练辅助系统

针对当下人们自主运动训练时出现的动作不标准且无人监督指导的问题，设计一种基于Kinect传感器的运动训练辅助系统。利用Kinect捕捉人体的关节点坐标提取特征，采用动态时间规整算法实现运动动作的识别，将模板动作与实时动作进行匹配，根据匹配的程度给予评价。实验结果表明该系统对于运动动作的平均正确识别率达到91.25%，正确评价率达到95.9%，能及时有效地反馈评价，起到一定运动训练辅助作用。     

基于Kinect的四旋翼无人机体感控制

针对无人机（ UAV）远程控制中操作复杂、专业性高的问题,基于Kinect传感器提出了一种无人机体感控制方案,并进行了验证。利用Kinect传感器提取操作者身体的骨骼节点数据,设计并识别操作者体势动作,进而生成对应的四旋翼飞行控制指令,通过无线数传模块传输控制指令,对无人机进行远程控制。实验结果表明：设计的识别算法可以准确地识别体势动作,对无人机进行实时的控制,控制方式直观简单、效果良好。     

基于Kinect的虚拟展馆游览系统的设计与实现

针对现有三维虚拟展览馆游览系统交互方式用户体验不理想的现状,提出一种基于Kinect的虚拟展馆游览系统。该系统重点研究了利用Kinect骨骼追踪技术实现对体验者身体动作的解析和利用四元数插值对骨骼动画的控制。在功能上,实现了站在Kinect前的体验者通过不同的姿势,对虚拟展馆三维场景中虚拟人物的动作、姿态、位置、朝向的控制。实验结果表明,体验者能够通过体感交互技术较好地实现对虚拟人物姿态的控制并方便地进行虚拟场景游览。     

基于差分算法和Kinect的数媒交互系统设计

为了有效实现数媒交互,提升三维模型重建速度、精度及数媒交互效果,设计了一种基于差分算法和Kinect的数媒交互系统。首先读取、转换与存储不同格式的图像数据,利用视觉表达灵敏度差分算法预处理图像数据,利用面绘制技术重建三维模型,再使用Kinect采集视野内物体深度值,选取与Kinect距离最近的用户当作第一操作用户,通过骨骼追踪数据捕捉用户姿势,定义骨骼数据,编辑动作指令,依据键盘映射完成Unity3D和Kinect的数据通讯,实现数媒交互。实验证明：设计系统的三维模型重建速度快、重建精度高,数媒交互展示效果更好。     

基于动作评价算法的体感舞蹈交互系统

广场舞是群众参与度极高的体育锻炼、娱乐社交的方式,针对广场舞活动的特点以及实际实施中存在的问题,研究分析并改进动作评价算法,对Kinect实时捕捉的人体骨骼动作序列进行评价,设计并集成一套基于Kinect的面向基层公共文化服务的广场舞体感交互应用系统。该技术充分发挥数字化体感交互体验的作用,用户在参与过程中能够充分调动身体主观能动性,为基层群众文化活动提供了新的活动方式以及极大的便利性。     

基于视觉图像的靖边跑驴舞姿动作自动识别系统设计

为实现靖边跑驴舞姿动作自动识别，结合Kinect动作捕捉技术与3D CNNs自动识别模型，设计了一套基于视觉图像的靖边跑驴舞姿动作自动识别系统，并采用Visual Studio2015和Python3.6工具对系统进行开发，实现了靖边跑驴舞姿动作的自动识别。测试结果表明，设计的基于视觉图像的靖边跑驴舞姿动作自动识别系统，可实时采集记录靖边跑驴舞姿动作，并对动作进行自动识别与分析，识别精度最高可达99.84%,有利于帮助用户学习和掌握靖边跑驴舞姿动作。整个系统结构简洁，操作流程简单且符合逻辑，具有一定的可用性。     

基于Kinect的民族弓弦乐器虚拟演奏系统

利用Kinect相机结合增强现实技术和手势识别方法设计并实现了一个弓弦乐器虚拟演奏系统——以二胡为例.将Kinect获取的现实场景和虚拟乐器融合在一起绘制成增强现实场景.通过Kinect得到的深度数据和贝叶斯肤色模型将用户的左手分割出来,并再次绘制在增强图像上形成新的图像,从而解决虚拟演奏场景中的虚实遮挡问题.利用基于反向动力学和马尔可夫模型的三维虚拟手势拟合方法,对演奏过程中的左手手势进行识别,并结合右手的运动状态完成乐器的虚拟演奏.     

A concise tutorial on human motion tracking and recognition with Microsoft Kinect

This paper provides a concise tutorial on the Microsoft Kinect technology and the state of art research on human motion tracking and recognition with Microsoft Kinect. A pre-requisite for human motion recognition is feature extraction. There are two types of feature extraction methods: skeleton joint based, and depth/color image based. Given a set of feature vectors, a motion could be recognized using machine learning, direct comparison, or rule-based methods. We also outline future research directions on the Kinect technology.     

基于支持向量机的图书分类管理研究

如今图书管理机构通常依据"书籍量"、"费用比例"等指标构建体系并完成分类,这是最传统的分类模型,特点是重点管理高价值图书,非重点管理一般图书.虽然简单实用,但是传统模型过于简单,对于现实运营中的图书重要度、采买时间、供应水平等指标不能科学全面反应,导致分类比较粗糙.论文通过创新性地将支持向量机的分类原理应用到图书的AB...     

基于Kinect深度图像的指尖检测与手势识别

针对基于普通摄像头的手势识别系统在不同光照条件和复杂环境下易受影响的问题,提出一种基于kinect深度图像进行指尖检测和手势识别的算法. 首先利用Kinect传感器获取深度图像,再利用OpenNI手部跟踪器检测出手部的位置,根据手部位置对手势进行深度阈值分割. 提出一种结合凸包和曲率检测指尖的算法,检测出指尖数目和位置后,计算出包括指尖和手掌水平方向的夹角、相邻两个指尖夹角以及指尖与掌心的距离的特征向量,最后利用支持向量机（SVM）对预定的9种数字手势进行识别. 实验邀请5位实验者在复杂环境下每个手势做30次,每次的手势角度不同,实验结果表明该方法能够准确检测出指尖的数目和位置,9种数字手势平均识别率达到97.1%,该方法使用特征简单,实时性好,有较好的鲁棒性.     

基于Kinect骨骼预定义的体态识别算法

针对基于视觉的体态识别对环境要求较高、抗干扰性差等问题,提出了一种基于人体骨骼预定义的识别分类方法。该算法结合Kinect多尺度深度信息和梯度信息检测人体;基于随机森林采用正负样本互限思想识别人体各个部分,根据各部分距离构建人体姿态向量,识别骨架;再根据体态类别,构建最优分类超平面、核函数,采用改进的支持向量机进行体态分类。实验结果表明,所提算法的分类识别准确率可达94.3%,具有实时性好,抗干扰性强,鲁棒性较好等特点。     

基于深度数据的人体动作识别方法

本文提出了一个基于流形学习的动作识别框架,用来识别深度图像序列中的人体行为。本文从Kinect设备获得的深度信息中评估出人体的关节点信息,并用相对关节点位置差作为人体特征表达。在训练阶段,本文利用Lapacian eigenmaps(LE)流形学习对高维空间下的训练集进行降维,得到低维隐空间下的运动模型。在识别阶段,本文用最近邻差值方法将测试序列映射到低维流形空间中去,然后进行匹配计算。在匹配过程中,通过使用改进的Hausdorff距离对低维空间下测试序列和训练运动集的吻合度和相似度进行度量。本文用Kinect设备捕获的数据进行了实验,取得了良好的效果;同时本文也在MSR Action3D数据库上进行了测试,结果表明在训练样本较多情况下,本文识别效果优于以往方法。实验结果表明本文所提的方法适用于基于深度图像序列的人体动作识别。     

基于联合双边滤波器的Kinect深度图像滤波算法

针对Kinect镜头采集的深度图像一般有噪声和黑洞现象,直接应用于人体动作跟踪和识别等系统中效果差的问题,提出一种基于联合双边滤波器的深度图像滤波算法。算法利用联合双边滤波原理,将Kinect镜头同一时刻采集的深度图像和彩色图像作为输入,首先,用高斯核函数计算出深度图像的空间距离权值和RGB彩色图像的灰度权值;然后,将这两个权值相乘得到联合滤波权值,并利用快速高斯变换替换高斯核函数,设计出联合双边滤波器;最后,用此滤波器的滤波结果与噪声图像进行卷积运算实现Kinect深度图像滤波。实验结果表明,所提算法应用在人体动作识别和跟踪系统后,可显著提高在背景复杂场景中的抗噪能力,识别正确率提高17.3%,同时所提算法的平均耗时为371ms,远低于同类算法。所提算法保持了联合双边滤波平滑保边的优点,由于引入彩色图像作为引导图像,去噪的同时也能对黑洞进行修补,因此该算法在Kinect深度图像上的去噪和修复效果优于经典的双边滤波算法和联合双边滤波算法,且实时性强。     

一种基于集体智慧的图书评价推荐方法

当前图书馆只能向读者提供非常有限的图书推荐服务。本文提出可采用从网上书店获得的大量公开数据作为推荐参考标准的思路,使推荐不再依赖有限的本地数据,而是基于集体智慧。本文提出一个根据图书关联关系网络来评价图书的内容相关性及推荐价值的方法。初步实验结果表明,这一基于集体智慧的图书推荐方法能做出更全面和满意的图书推荐。     

A cloud-based recommendation service using principle component analysis–scale-invariant feature transform algorithm

Cloud computing delivers resources such as software, data, storage and servers over the Internet; its adaptable infrastructure facilitates on-demand access of computational resources. There are many benefits of cloud computing such as being scalable, paying only for consumption, improving accessibility, limiting investment costs and being environmentally friendly. Thus, many organizations have already started applying this technology to improve organizational efficiency. In this study, we developed a cloud-based book recommendation service that uses a principle component analysis–scale-invariant feature transform (PCA-SIFT) feature detector algorithm to recommend book(s) based on a user-uploaded image of a book or collection of books. The high dimensionality of the image is reduced with the help of a principle component analysis (PCA) pre-processing technique. When the mobile application user takes a picture of a book or a collection of books, the system recognizes the image(s) and recommends similar books. The computational task is performed via the cloud infrastructure. Experimental results show the PCA-SIFT-based cloud recommendation service is promising; additionally, the application responds faster when the pre-processing technique is integrated. The proposed generic cloud-based recommendation system is flexible and highly adaptable to new environments.

     

基于Kinect骨架信息的交通警察手势识别

针对现有的手势识别算法识别率低、鲁棒性弱的问题,提出一种基于Kinect骨架信息的交通警察手势识别方法。从Kinect深度图像中预测人体骨架节点的坐标位置,将节点的运动轨迹作为训练和测试的特征,结合距离加权动态时间规整算法和K-最近邻分类器进行识别。实验表明,在参数最优的情况下,该方法对八种交通警察手势的平均识别率达到98.5%,可应用于智能交通等领域。