基于Kinect的空中手势跟踪识别的研究与实现

本文以肢体语言中的手势为出发点,利用微软的Kinect体感设备,采集RGB彩色图像和深度图像,研究并提出一套手势跟踪识别的设计思路与实现方法。首先,利用Kinect所获取的色彩及深度信息,建立人体骨骼图从而更方便地定位手部位置并获取手部轮廓。其次,从HSI彩色空间对手部的深度图像进行二值化,并进行腐蚀、细化处理,去除手掌掌心部分。最后,通过对手指的计数定义相应操作。经实验测试,该系统具有对手势的识别功能,可以达到用空中手势动作进行人机交互的目的。     

基于Kinect的机器人交互系统设计与研究

针对传统的移动机器人人机交互通常采用摇杆或按键等操作方式,存在操作繁琐、系统延时大等缺点。基于此提出一种基于姿态传感器的人机交互系统,操作端以Kinect为姿态传感器采集人体姿态信息并上传至云服务中心,机器人端通过云端发出的指令对机器人进行远程控制。实验结果表明,该人机交互系统可以实时高效地操作机器人完成各种运动,具有操作简单、低延时等优点,解决了传统空间机器人操控中的不足,提供了高效的移动机器人遥操作方案。     

Kinect体感技术在人机交互中的应用研究

本文通过查阅国内外相关文献,了解了人机交互技术尤其是可以实现高效人机交互的Kinect体感技术的发展方向,并以此为研究基础,综述了Kinect体感技术的理论基础和国内外应用现状,讨论了其广泛应用需要解决的技术难题,展望了其在人机交互领域的应用前景,得出了Kinect体感技术有利于推动人机交互的智能化进展,是人机交互改革的又一个新起点的结论。     

基于Kinect的实时人体姿势识别

Kinect的实时骨骼跟踪技术获取身体关节点的三维位置信息,为进行人体姿势识别提供了丰富的信息,拟在三维关节点位置信息的基础上,建立一种实时的人体姿势识别系统。选择关节角度作为姿势特征,结合逻辑回归（logistic regression,LR）分类算法对54种姿势进行识别研究。实验结果表明,该姿势识别系统可以准确实时地识别人体姿势。     

基于Kinect深度图像的指尖识别及手势判定

在基于微软Kinect体感设备开发的交互应用系统中,使用传统的鼠标、键盘等交互设备难以达到理想的效果。针对这种情况,提出一种基于指尖识别的手势判定方法。采用Kinect传感器获取图像的深度信息,通过OpenNI的内置模块获取手心的位置信息,使用最近邻法实现手部的分割并对手形进行提取;并采用射线求交法优化Graham Scan算法获取凸包点集合,利用轮廓分析法从凸包点中识别出指尖。在此基础上,结合指尖数目和面积比例实现对“抓取”手势的判定。实验结果表明,该方法能有效地识别抓取动作的手势,且具有良好的鲁棒性。     

基于Kinect骨架信息的人体动作识别

深度图像属计算机视觉研究范畴,数据表达方式有一定差异,其现有图像处理算法多可借鉴和扩展。本文在深度图像基础上,对人体运动特征模型和识别算法进行研究,为动作识别思路和方法提供参考,重点分析Kinect深度图像获取Kinect人体关节点识别。     

基于Kinect的手部分割混合识别技术

基于人手的人机交互由于其便利性,是未来人机交互技术发展的重要方向之一。本文基于Kinect硬件,提出了一种自适应的混合型手部分割方法,结合基于深度图像的阈值分割方法和基于彩色图像的肤色分割方法,对人体图像进行手部分割。该混合型手部分割方法,能够较好的克服光线以及复杂背景所带来的消极影响,也能够更好的适应复杂的人体动作,达到更好的分割效果。最终,本文搭建了硬件实测平台,验证该算法的有效性。     

基于Kinect传感器的近场手势识别追踪系统的实现

利用Kinect深度传感器所获取的图像深度信息实现手部从背景中的分割,并通过零均值离散高斯滤波、二值化、取最小外包矩形、欧式距离变换等一系列过程对手势目标进行识别,最后把得到的识别结果显示在电脑上,实现实时追踪。该系统相较其它类似系统具有算法简单,实时性好,实现成本低等特点。     

基于多个Kinect的体育辅助训练系统的研究

针对太极拳训练方式单一和效率低、单个Kinect捕捉范围有限且存在数据遮挡等问题,文中提出多Kinect下的太极拳辅助训练系统.该系统利用Kinect获取到人体彩色视频和深度数据,分别获得两个Kinect下用户的运动数据.由于两个Kinect下获取的人体骨骼关节点都是相对于当前坐标系的,因此利用最小二乘法进行坐标标定,...     

基于Kinect的装配仿真系统设计与开发

在搭建了装配仿真系统整体架构的基础上,文章对基于Kinect的虚拟场景的建立、仿真工具与产品模型的创建等关键技术进行了较为深入的讨论,并以此为依据开发了汽车零配件装配仿真系统。应用结果表明,人机交互技术的应用显著提升了装配工作效率与学习体验感。     

一种三维指尖跟踪技术的研究

本文旨在设计一种增强现实/虚拟现实设备的三维指尖跟踪方式,借用深度学习模型、双目同步相机模组及双目测距原理,完成三维指尖跟踪.在本文所展望的实际应用中,使用者或可以此实现隔空的点触、划动、拉伸、旋转等操作,这将简化增强现实设备和虚拟现实设备的可操作性与实用性.实验结果表明,本文所述方法可以解决增强现实和虚拟现实设备进行...     

基于体感交互技术的虚拟展示系统

相当多的研究表明,结合体感交互技术与虚拟展示技术,能消除人机交互当中的硬件隔阂,极大地增强虚拟展示系统的沉浸感,同时为体感交互技术的应用与普及提供一种实践模式。通过分析相关技术以及动作识别算法,进而搭建一套基于体感交互技术的虚拟展示系统并进行实验测试,结果显示此系统在普通家用计算机中有较好的运行性能,并具备一定的鲁棒性,其中技术具有较高的研究意义与实用价值,可为未来更多更丰富的虚拟展示体验提供理论支持与应用参考。     

基于Kinect与Dobot机械臂的人机交互系统

文中系统主要为通过Kinect体感器捕获人体手的坐标移动以及手势变化,利用坐标转化等手段,将其转化为指令发送到Dobot机械臂,使其能够在非特定条件下,按照人体手的轨迹做特定运动,并进行抓取物体等功能。系统中的Kinect体感器获取坐标为三维空间中的人体手的移动轨迹,使得Dobot的机械臂运动更加贴近人体实际操作,大大加强了实用价值。另外Kinect还将获取人体手势,用于控制Dobot末端夹具的开合。     

基于Kinect传感器的家电手势控制应用研究

为提高智能家电的人机交互性,研究实现了一种基于Kinect传感器的手势识别系统,用户通过该系统可手势控制电视的多种操作功能。对常见的三种动态手势识别算法进行分析对比后,结合应用需求,重点研究了动态手势识别DTW算法。基于Kinect for windows SDK获取的手势深度图像和骨骼图像数据,采用DTW算法进行识别,最后给出了程序实现。实验表明,该方法可实现多种电视控制功能,而且具有较好的实时性和准确性。     

基于Kinect的人体动作识别算法研究

针对现有的复杂背景下人体动作识别中存在识别准确率不高和实时性不强等问题,提出基于Kinect骨骼数据的改进动作识别算法。通过Kinect获取骨骼数据,提取出人体关节的特征向量,然后用模板匹配的方法对人体动作进行识别。通过搭建机器人体感控制系统验证了算法的可行性。在相同实验条件下测得算法的平均识别率为95.2%,平均识别时间为32.5ms。与其它动作识别算法比较,证明了算法的识别率较高、实时性较好。     

动作捕捉带来的人机交互设计研究

随着社会的不断进步和信息技术的不断发展,计算机技术不仅改变了人们的生活,还占据着越来越重要的地位。但是在计算机技术迅速发展的今天,人机交互设计却没有跟上发展发展步伐,影响了人与计算机之间的交流,造成这种现象的主要原因是人机交互界面设计存在一定的问题。文中会简单介绍人机交互的概念,重点讲述人机交互设计的依据和相关的研究。     

基于Kinect的手势识别及在虚拟装配技术中的应用

为了实现在Virtools环境下自然方便的人机交互过程,设计开发了基于Kinect的虚拟装配交互技术。该技术通过三维多手指检测并结合Kalman滤波来稳定跟踪指尖,同时基于指尖特征自定义了多种装配所需的手势;以Mir-crosoft Visual Studio 2010为开发工具,设计了手势操控相关功能块的编辑后集成于Virtools环境中,实现了手势在虚拟装配中的交互控制。实例证明,该技术能很好地完成虚拟装配过程,效果良好。     

手指书写:一种虚拟文字识别人机交互新方法

本文提出了一种全新的手指书写虚拟文字识别系统,该系统利用摄像头捕捉人手指的运动轨迹,通过手指跟踪及检测算法,恢复出手指虚拟"书写"文字的二维图像数据(称之为虚拟文字),再进行识别输出.文中对单层函数连接神经网络进行改进并用来进行高准确度的运动手指尖的预测及跟踪,给出了一种基于数学形态学及模板匹配的简单有效的手指检测方法,提出了基于运动手指跟踪的"虚拟文字"恢复方法.实验结果表明:系统方案可行,手指跟踪及检测准确率高,对手指"书写"的数字、英文等虚拟文字识别率能达到95％以上.     

手部动作捕捉式人机交互的研究及设计

在人机交互技术不断发展的背景下,运动生物力学也逐渐和信息技术融合,为了更好地解决运动信息获取问题,动作捕捉技术逐渐进步。在不同部位的动作捕捉技术中,手部动作捕捉因其多关节、高灵活性等特点,在信息获取上的难度较大。基于此,文中从手部动作捕捉技术入手,深入分析了该技术在人机交互中的具体应用,以开发出更加智能、精确的手部动作捕捉式人机交互系统,使其在社会生产生活中得到广泛应用。