基于kinect的静态手势和上肢连续动作识别

《基于kinect的静态手势和上肢连续动作识别》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、基于KINECT的静态手势和上肢连续动作识别白栋天2016年1月中图分类号：TP399UDC分类号：004基于KINECT的静态手势和上肢连续动作识别作者姓名白栋天学院名称计算机学院指导教师黄华教授答辩委员会主席朱振峰教授申请学位工学硕士学科专业计算机科学与技术学位授予单位北京理工大学论文答辩日期2016年1月StaticGestureandContinuousActionsofUpperLimbRecognitionBasedonKINECTCandidateName:DongtianBaiS

2、choolorDepartment:SchoolofComputeScienceFacultyMentor:Prof.HuaHuangChair,ThesisCommittee:Prof.ZhenfengZhuDegreeApplied:MasterofEngineeringMajor:ComputerScienceandTechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefence:1,2016研究成果声明本人郑重声明：所提交的学

3、位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要随着电脑技术的发展，自然简洁的非接触式交互越来越受到人们的青睐。手势和动作作为人们日常交流的常用手段也成为了非接触式交互的主要途径。当前基于

4、单目视觉的手势和动作识别容易受到光照、颜色等环境因素的影响，基于双目视觉的识别虽然能够很大程度上避免这些影响，但是计算过程较为复杂。随着深度摄像机如KINECT的出现，在提供彩色信息的同时还能够提供整个场景的三维信息，因而可以极大程度地减轻环境因素的影响，有效提升手势和动作识别的速度和准确度。本文基于体感摄像机提供的深度数据，对手势识别和动作识别进行研究，主要工作内容如下：1）提出了一种基于深度信息和随机森林模型的日常静态手势识别算法。通过KINECT提供的人体骨架数据对场景深度图分割得到手部的

5、二值化图像，然后通过迭代算法求解手部的最大内接圆进而得到掌心的近似位置，同时通过对手部形状描述符的分析获取手指的具体信息，在此基础之上结合对手势特点的分析提取出简单鲁棒的手势特征，最后选取随机森林算法建立手势的机器学习模型，实现静态手势的识别。实验中对九种静态手势的识别效果表明了该方法的有效性。2）提出了一种基于动态规划和隐式马尔可夫模型的上肢连续动作识别方法。首先通过视频中的深度信息提取出归一化的骨架来表征人体的姿态；然后通过隐式马尔可夫模型对人体的每个动作进行建模，并通过先验知识将连续动作序

6、列划分为多个子序列；最后利用隐式马尔可夫模型构造代价函数，通过动态规划算法和一个阈值模型为每个子序列计算最优的动作识别标签，最终实现连续动作识别。实验中对20组上肢连续动作序列的识别结果证明了该方法的有效性。关键词：静态手势识别；连续动作识别；KINECTI北京理工大学硕士学位论文AbstractWiththedevelopmentofcomputertechnology,non-contactinteractionwhichisnaturalandsimplebecomesmoreandmor

7、epopular.Gesturesandactions,ascommonmeansofdailycommunication,havebecomethemainwaysofnon-contactinteraction.Nowtherecognitionalgorithmsbasedonmonocularvisionarevulnerabletoenvironmentalfactorssuchasillumination,complexbackgroundandsoon.Althoughtherec

8、ognitionbasedonbinocularvisioncanlargelyavoidtheseeffects,thecalculationprocessismorecomplex.ThissituationcanbeimprovedwiththeappearanceofdepthcamerasuchasKINECTwhichcouldprovidebothcoloranddepthinformationaboutthewholescene,theforegroundandbackgroun