基于kinect深度信息的手势识别系统

《基于kinect深度信息的手势识别系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、廻、１么开分类号：密级：１０１４２：耗ＵＤＣ：单位代码＿带．．．＇早巧铅Ｊ寺火驾硕去学位论文基于Ｋｉｎｅｃｔ深度信息的手势识别系统儀２０１３３２７学号．李伟作者：学科名称：测试计量技术及仪器２０１６年０２月２９日＇、＇；■？■．Ｉ，■—、‘＇一．沈阳工业大学硕士学位论文基于Kinect深度信息的手势识别系统GestureRecognitionSystembasedonKinectDepthInformatio

2、n作者：李伟单位：信息科学与工程学院指导教师：桑海峰副教授单位：沈阳工业大学协助指导教师：单位：单位：论文答辩日期：2016年2月28日学位授予单位：沈阳工业大学独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢的地方夕ｈ论文中不包含其他人己经发表或撰写的研究成果，也不包含为获得沈阳工业大学或其他教育机构的学位或证书所使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。签名；方

3、日期。／谷、）、巧扛；１关于学位论文使用授权的说明本学位论文作者和指导教师完全了解沈阳工业大学有关保留、使用学位论文的规定，目Ｐ；学校有权保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权沈阳工业大学可＾［＾？将学位论文的全部或部分内容编入有关数据库进斤检索、交流，可臥采用影印、缩印或其他复制手段保存论文和汇编本学位论文。（保密的论文在解密后应遵循此规定）义。签名：导师签名日期２；心寺摘要在科学技术的不断推进下，人机交互的人性化和简单化更受重视，而手势

4、识别就是人机交互的一个重要手段。传统手势识别方法对人体以及环境背景的要求很高，针对这一问题，利用微软公司推出的Kinect传感器可以有效的获取景深图像，基于深度信息的手势识别具有更好的交互效果。本文利用Kinect的深度信息，分别设计了实时静态和动态人体手势的识别算法。基于深度信息的静态手势识别，通过Kinect深度传感器获得深度图像，在深度图像中确定人体骨骼图，利用骨骼图实现了手部关节点的定位，从而对手部关节点进行连续时空追踪；在深度图像中确定手部位置后，截取一个包含手部图像的感兴趣区域，将手部从深度图像中分割；对分

5、割出的感兴趣图像进行形态学处理，提取手部轮廓圆形率、周长比、填充率、Hu距等9种特征；采用SVM支持向量机对手势样本的特征值向量进行训练，从而实现0-5共6种手势的识别。分别在静态和动态环境下对手势识别的识别率和鲁棒性进行实验，实验结果表明所提出的算法能够在各种环境下达到理想的识别效果。基于深度信息的动态手势识别，介绍了利用Kinect骨骼获取和跟踪的良好特性，将人体的10个骨骼点的运动轨迹作为输入特征向量，并采取中心化和归一化的方法对获取的特征向量进行处理，之后在训练阶段采集多人的动态手势数据建立手势库，再利用模版匹

6、配的动态时间规整的方法进行左划，右划，出拳，鼓掌，举双手5种动态手势识别。分别在静态和动态环境下对手势识别的识别率和鲁棒性进行实验，并利用本文提出的系统实现了相应软件的控制，实验结果表明所提出的算法能够在各种环境下达到理想的识别效果。关键词：Kinect，深度信息，多特征，静态手势，动态手势IAbstractInthecontinuousadvanceofscienceandtechnology,peoplepaymoreattentiontohumaneandsimplifiedhuman-computerinter

7、action.Thegesturerecognitionisanimportantmeanofhuman-computerinteraction.Conventionalgesturerecognitionmethodhasahighdemandingofhumanandenvironmentalbackground.Tosolvethisproblem,usingMicrosoftlaunchedtheKinectsensorcaneffectivelygetthedepthoffieldimages.Ithasbe

8、tterinteractivitydepthinformationbasedongesturerecognition.Inthispaper,theKinectdepthinformationisdesignedforstaticanddynamicreal-timehumangesturerecognitionalgorithm