基于深度信息的手势识别与手指跟踪算法及其应用-计算机科学与技术专业论文.docxVIP

万方数据 万方数据 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文《基于深度信息的手势识别与 手指跟踪算法及其应用》，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，本论文不包含任何 其他个人或集体已经发表或撰写过的作品成果。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。本人完全意识到 本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 上海交通大学 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， 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。本人授权上海交通大学可以将本学位论文的 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 描等复制手段保存和汇编本学位论文。 保密□，在 年解密后适用本授权书。 本学位论文属于 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 上海交通大学硕士学位论文 上海交通大学硕士学位论文 基于深度信息的手势识别与手指跟踪算法及其应用 摘 要 随着计算机技术的发展，人机交互领域日益呈现出让交互客体适 应交互主体的趋势，而手势交流即是人类惯用的一种自然的交互方式。 Kinect 摄像头和传统摄像头相比，能够提供深度信息和骨骼流信息， 这为手势相关的研究和开发提供了便利。 本文的研究工作主要有以下几个部分。在概念层面上将手势按照操 作手势的部位和移动范围分类，分为手节点手势和手指手势。在算法 层面实现了基于深度信息的手势识别和手指跟踪算法。在手势识别方 面，对传统的 DTW 算法进行了改进，提出了基于加权 DTW 的手势识 别算法，根据操作手势时不同骨骼节点的不同位移来赋予权重，提高 了识别的准确性；而基于骨骼点相对位置的识别算法对于方向手势的 识别有着很好的效果并且占用的资源很少。在手指跟踪方面，本文首 先提出了一种基于凸包的 K-curvature 算法，该算法能够有效地对指尖 进行定位，并且我们对算法中的参数选择作了分析。之后利用指尖识 别的结果实现了基于最小距离和的指尖跟踪算法，并且提出了指尖排 序算法，降低了前后帧匹配的复杂度。在应用层面，本文实现了一个 手势控制的 MOOC 录制系统，同时还设计了手势识别与手指跟踪的综 合应用实例。 本文的手势识别算法和手指跟踪算法是具有一定创新性的，手指跟 踪算法也为手指手势的识别打下了很好的基础。在应用上将手势识别 和 MOOC 录制结合到一起，具有一定的新颖性和实用性。 关键词：人机交互，Kinect，手势识别，手指追踪 I ALGORITHMS AND APPLICATIONS OF GESTURE RECOGNITION AND FINGER TRACKING BASED ON DEPTH INFORMATION ABSTRACT Along with the development of computer science and technology, the mode of human-computer interaction shifts to adjusting computer to the behavior habit of human beings. Using gestures as the media of human-computer interaction is undoubtedly a natural way. Compared with traditional cameras, Kinect can provide depth information and skeleton information, which makes it much more beneficial to the research and development of gesture recognition. The major work of this article could be summarized as follows. In terms of concept, we divided gestures into ‘hand gesture’ and ‘finger gesture’ by the difference of recognition region and range of mo