人體行為動作分析作為人機交互領(lǐng)域的重要組成部分,是學(xué)者們一直研究創(chuàng)新的重要研究課題,而在人體行為動作中,手勢動作識別有著自然,直觀,表達信息豐富,靈活的特點,因此,更加符合人機交流習(xí)慣的手勢動作識別技術(shù)的研究變得熾手可熱�；诖�,本課題以微軟公司提供的KinectV2作為手勢動作的采集設(shè)備和人機交互介質(zhì),對靜態(tài)手勢識別和動態(tài)手勢識別算法進行了研究和優(yōu)化,并在虛擬平臺中完成了測試。文章主要工作內(nèi)容如下:首先,針對靜態(tài)手勢在識別過程中遲緩問題,提出了一種基于骨骼圖像和深度圖像結(jié)合的快速手勢分割算法,通過提取手勢圖像的梯度直方圖(Histograms of Oriented Gradients,HOG)特征,利用支持向量機(Support Vector Machine,SVM)進行靜態(tài)手勢的訓(xùn)練與識別,從而實現(xiàn)了手部區(qū)域的快速準確,分割和手勢的準確識別。其次,針對隱馬爾科夫模型(Hidden Markov Models,HMM)不能有效排除未定義手勢的干擾缺陷,通過對手勢模型進行概率閾值設(shè)置和編碼種類限定來排除原HMM模型算法中未定義手勢的干擾,從而有效提高定義手勢的識別率,實驗結(jié)果表明,該方...

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 靜態(tài)手勢識別現(xiàn)狀研究
        1.2.2 動態(tài)手勢識別研究現(xiàn)狀
        1.2.3 虛擬現(xiàn)實技術(shù)研究現(xiàn)狀
    1.3 手勢識別技術(shù)的難點
    1.4 論文的主要研究內(nèi)容和章節(jié)安排
第2章 KinectV2 體感交互設(shè)備基礎(chǔ)知識介紹
    2.1 KinectV2 發(fā)展及工作原理
    2.2 Kinect SDK2.0 組織架構(gòu)
    2.3 KinectV2 關(guān)鍵技術(shù)分析
        2.3.1 深度圖像成像原理
        2.3.2 KinectV2 骨架信息獲取
        2.3.3 KinectV2 骨骼節(jié)點分布及骨骼追蹤狀態(tài)
    2.4 本章小結(jié)
第3章 基于HOG-SVM算法的實時靜態(tài)手勢識別
    3.1 手勢分割
    3.2 HOG特征提取
    3.3 支持向量機樣本分類訓(xùn)練
    3.4 實驗結(jié)果及分析
    3.5 本章小結(jié)
第4章 基于KinectV2 的動態(tài)手勢識別技術(shù)研究
    4.1 基于KinectV2 深度圖像的HMM手勢運動軌跡識別
        4.1.1 基于Kinect的深度閾值前景分割
        4.1.2 基于YcbCr空間的高斯膚色模型手勢分割
        4.1.3 手勢質(zhì)心檢測與追蹤
        4.1.4 特征提取和量化編碼
        4.1.5 手勢訓(xùn)練與識別
        4.1.6 實驗結(jié)果及分析
    4.2 基于人體骨骼數(shù)據(jù)的實時手勢動作識別
        4.2.1 利用Kstudio和 VisualGestureBuilder建立手勢樣本庫
        4.2.2 手勢運動特征提取
        4.2.3 DTW算法原理介紹及實驗分析
        4.2.4 DTW算法改進
        4.2.5 識別結(jié)果及分析
        4.2.6 手勢對虛擬場景的驅(qū)動
    4.3 本章小結(jié)
第5章 手勢識別算法在酷跑體感游戲系統(tǒng)中的應(yīng)用
    5.1 酷跑體感游戲交互系統(tǒng)設(shè)計
        5.1.1 酷跑體感游戲場景搭建
        5.1.2 酷跑體感游戲功能需求分析
        5.1.3 酷跑體感游戲設(shè)計的總體要求
        5.1.4 酷跑體感游戲功能設(shè)計
        5.1.5 酷跑體感游戲邏輯設(shè)計
    5.2 酷跑體感游戲系統(tǒng)人機交互演示
    5.3 交互演示結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝



本文編號：4012837