基于Kinect的體感手勢(shì)識(shí)別系統(tǒng)設(shè)計(jì)

2萬(wàn)字 48頁(yè) 原創(chuàng)作品，通過(guò)查重系統(tǒng)

摘 要
隨著模式識(shí)別和人工智能領(lǐng)域的不斷發(fā)展，使得人機(jī)交互技術(shù)在許多領(lǐng)域得到了應(yīng)用。近年來(lái)，人體運(yùn)動(dòng)分析技術(shù)有了較大的進(jìn)步，而能夠捕捉人體的動(dòng)作是實(shí)現(xiàn)人體運(yùn)動(dòng)分析的前提。骨架提取作為捕捉人體動(dòng)作的重要一環(huán)，日益得到學(xué)術(shù)界的關(guān)注。骨架是保持圖像拓?fù)涞囊粋€(gè)重要特征，是表示物體形狀的一種有效形式，其信息量少，又能較完整的描述出物體的幾何性質(zhì)，因此在模式識(shí)別、圖像檢索和虛擬運(yùn)動(dòng)等領(lǐng)域得到了廣泛的應(yīng)用。Kinect是一種3D體感攝影機(jī)，同時(shí)它導(dǎo)入了即時(shí)動(dòng)態(tài)捕捉、影像辨識(shí)、麥克風(fēng)輸入、語(yǔ)音辨識(shí)等功能。
本論文基于Kinect等硬件，以LabVIEW設(shè)計(jì)了一人體骨骼定位系統(tǒng)，從而實(shí)現(xiàn)體感手勢(shì)識(shí)別。論文中根據(jù)Kinect傳感器的軟硬件特點(diǎn)，提出了一種基于最優(yōu)閾值的圖像分割方法，利用該方法實(shí)現(xiàn)了人體與背景的分割；并對(duì)人體的剪影圖進(jìn)行了去噪，通過(guò)Hilditch細(xì)化算法提取出了人體的骨架。最后，利用深度圖的特性識(shí)別了手臂的位置，解決了手臂的遮擋問(wèn)題，獲取了完整的人體動(dòng)作狀態(tài)。實(shí)驗(yàn)結(jié)果表明：該系統(tǒng)能較準(zhǔn)確的定位出肩關(guān)節(jié)、肘關(guān)節(jié)、手關(guān)節(jié)、膝關(guān)節(jié)等人體主要關(guān)節(jié)點(diǎn)的位置，從而實(shí)現(xiàn)體感手勢(shì)的識(shí)別。


關(guān)鍵詞：Kinect；深度圖像；背景分割；骨架提取