基于Kinect深度信息的手势识别-通信与信息系统专业论文.docxVIP

学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究 工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或 集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体， 均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全 部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密论文在 解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 摘要 随着计算机技术的发展，人机交互一直朝着人性化与简单化的方式不断的持 续发展，而手势识别是人机交互的一个重要方式。相比较鼠标，键盘等接触式的 操作方式，自然而直观的手势更符合人的自然行为。基于计算机视觉手势识别技 术对环境背景要求高，通过 Kinect 传感器获取的深度图像可以解决该问题。因 此研究基于深度信息的手势识别对提高人机交互效果，推动人机交互技术在各行 各业的应用具有重要意义。本文对基于深度信息的手势识别进行了较深入的研究， 开发了一个手势识别系统，研究内容如下： 首先，分析了手势识别研究的背景及意义、国内外的研究现状，给出了常用 的几种手势识别算法。 其次，研究了 Kinect 传感器内部结构和工作原理，以及利用 OpenNI 框架获 取深度信息并进行预处理的具体方法。 再次，研究了基于 Kinect 深度信息的静态手势识别算法。先介绍了手部提 取的算法。然后研究了传统的手指检测方法，同时，对静态手势提出了一种阈值 拐点检测法，该方法能准确提供手部的重要信息：指尖、手指、掌心的准确位置， 提供信息让手部与系统做即时的互动。本系统可以在复杂背景的情况下准确的判 断手指和手心的位置，并且容许手掌和手臂一定程度的翻转。最后在手指识别的 基础上，实现了手指名字和数字手势的识别。 最后，对动态的手势识别做出了深入的研究，先使用了 Kinect SDK 获取用 户索引和人体的骨骼特征，并进行了平滑处理。然后研究了 DTW 动态规划算法 的原理，根据 DTW 算法识别手势的时候不同的关节点的权重是不同的，提出加 权 DTW 动态规划算法，实验证明该算法能有效地用统计方法进行训练手，然后 通过分析手势轨迹特征与加权的骨骼关节点序列匹配达到识别的功能，能识别挥 手、移动、推动等动作。该方法识别稳定，不受背景、距离等的影响，能满足远 距离的动态手势识别的需要。 关键词：人机交互,手势识别,深度信息,手指检测,骨骼追踪,动态规划 ABSTRACT With the development of computer technology, human-computer interaction has been moving towards sustainable development of humanity and simplistic way constantly, and gesture recognition is an important way of human-computer interaction. Compared to the mouse，keyboard and other contact mode of operation, natural and intuitive gestures are more natural human behavior. Hand gesture recognition based on computer vision high requirements on environmental background, depth image obtained by the Kinect sensor can solve this problem. So the research of gesture recognition based on depth information to improve the interactive effect based on human-computer interaction, promoting technology plays an important role in all walks o