基于Kinect深度图像的手势识别研究-控制理论与控制工程专业论文.docxVIP

西华大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名： 指导教师签名： 日期： 日期 西华大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，在校 攻读学位期间论文工作的知识产权属于西华大学，同意学校保留并向国家 有关部门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，西 华大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复印手段保存和汇编本学位论文。(保密的论文在解 密后遵守此规定) 学位论文作者签名： 指导教师签名： 日期： 日期 摘 要 未来十年，随着计算机科学技术的迅猛发展，人机交互模式也将不断发生变化。比 起使用键盘、鼠标等媒介设备而言，手势在人机交互系统中显得更加自然和符合人们的 行为习惯。所以，手势识别技术早已成为人机交互研究领域中的热点课题，具有广阔的 应用前景和巨大的市场潜力。 基于视觉的手势识别方法普遍使用网络摄像头作为图像输出设备，但是极易受到光 照变化的影响和类肤色的干扰，识别结果往往达不到人们的预期希望。本文采用最新的 高科技产品 Kinect 深度摄像头，避免了环境因素对手势识别的影响。在静态手势识别中， 本文提出了一种基于深度图像的凸缺陷指尖检测法(DB-CDD)，首先，利用深度信息和 邻域特点分割手部区域，接着对分割出的手部二值图像用 Canny 算子提取轮廓，在指尖 检测过程中，通过凸包粗检测出所有可能的指尖区域，然后利用凸缺陷之间的关系剔除 伪指尖点，完成指尖的细检测，该方法可快速有效的对指尖进行检测，鲁棒性和稳定性 都较其他方法更好。在动态手势识别中，通过 Kinect 传感器获取人体骨骼数据，经过正 规化处理后，提取 6 个关节点的运动轨迹作为动态时间规整算法的特征向量。本文对动 态时间规整算法进行了深入分析，通过限制搜索范围来实现动态时间规整算法的全局优 化，从而缩短了匹配时间，并实现了对六种动态手势轨迹的识别，平均识别率达到 96.3%。 为了验证该算法的可行性，把它应用在 PPT 操作系统中，实现了用户在无接触性条件下 对 PPT 的自动播放操作和控制翻页。实验结果表明，在光照变化和复杂环境下，均获得 了较好的识别结果，因此，该 PPT 操作系统具有很强的鲁棒性。 关键词：深度图像；手势识别；动态时间规整；人机交互 I Abstract The next ten years, with the continuous advances in computer science and technique, human-computer interaction model will continue to change. Compared to using the keyboard, mouse and other media equipment, gestures in human-computer interaction more natural and conform to human behavior habits. So, the gesture recognition technology has become the hot topic in the field of human-computer interaction research, and has wide prospects and huge market potential. The traditional vision-based gesture recognition using ordinary webcam as image output device, but it is extremely vulnerable to changes in light and skin color interference, and the recognition results are often not up to peoples expectations hope. In this paper, we use the latest high-tech products that Kinect depth camera, it can avoid the impact of environmental fa