基于LeapMotion关键点模型的沙画手提出一种基于LeapMotion采集设备的关键点模型..docVIP

基于Leap Motion关键点模型的沙画手势识别 摘要：提出一种基于Leap Motion采集设备的关键点模型的沙画手法虚拟仿真方法。首先，利用Leap Motion获取手势信息数据并设计计算算法获取人手关键点的空间位置；然后，设计算法并利用计算出来的空间位置获取沙画手法中铺沙，捏沙这两个基础手法在运动过程中的相关数据；最后，获取的时刻变化数值波形图。实验证明，通过该方法可实现对手部运动准确的模拟，为进行人机交互的沙画模拟奠定了基础。 关键词：Leap Motion； 关键点模型；沙画手法 虚拟操作人机交互过程中，采用计算机视觉获取人手信息在交互的自然性与成本上有巨大优势，是未来发展的主要趋势。在基于视觉的人机交互中, 由于人手的信息不能直接被计算机获取, 人手姿态参数估计成为一项基础性工作，所以，手部姿态估计一直受到广泛重视。在国外，Doliotis等[1]通过建立手势数据库，基于深度图像提取特征进行数据库索引,找到最为匹配的手势完成姿态估计。Keskin等[2]使用随机决策森林对深度图像进行分类，计算类别中心以获取手部各关节中心位置，从而得到手部骨架信息。这一类方法具有速度快的优点，但是需要大量的训练数据、同时有泛化能力不足、估计精度不高的缺点。在国内，周文猛等[3]使用Kinect作为输入设备，在无标记的情况下对人体手部进行估计，跟踪恢复出人体手部的姿态信息。这一