本文關(guān)鍵詞：基于深度信息的手勢識(shí)別與手指跟蹤算法及其應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計(jì)算機(jī)技術(shù)的發(fā)展,人機(jī)交互領(lǐng)域日益呈現(xiàn)出讓交互客體適應(yīng)交互主體的趨勢,而手勢交流即是人類慣用的一種自然的交互方式。Kinect攝像頭和傳統(tǒng)攝像頭相比,能夠提供深度信息和骨骼流信息,這為手勢相關(guān)的研究和開發(fā)提供了便利。本文的研究工作主要有以下幾個(gè)部分。在概念層面上將手勢按照操作手勢的部位和移動(dòng)范圍分類,分為手節(jié)點(diǎn)手勢和手指手勢。在算法層面實(shí)現(xiàn)了基于深度信息的手勢識(shí)別和手指跟蹤算法。在手勢識(shí)別方面,對傳統(tǒng)的DTW算法進(jìn)行了改進(jìn),提出了基于加權(quán)DTW的手勢識(shí)別算法,根據(jù)操作手勢時(shí)不同骨骼節(jié)點(diǎn)的不同位移來賦予權(quán)重,提高了識(shí)別的準(zhǔn)確性;而基于骨骼點(diǎn)相對位置的識(shí)別算法對于方向手勢的識(shí)別有著很好的效果并且占用的資源很少。在手指跟蹤方面,本文首先提出了一種基于凸包的K-curvature算法,該算法能夠有效地對指尖進(jìn)行定位,并且我們對算法中的參數(shù)選擇作了分析。之后利用指尖識(shí)別的結(jié)果實(shí)現(xiàn)了基于最小距離和的指尖跟蹤算法,并且提出了指尖排序算法,降低了前后幀匹配的復(fù)雜度。在應(yīng)用層面,本文實(shí)現(xiàn)了一個(gè)手勢控制的MOOC錄制系統(tǒng),同時(shí)還設(shè)計(jì)了手勢識(shí)別與手指跟蹤的綜合應(yīng)用實(shí)例。本文的手勢識(shí)別算法和手指跟蹤算法是具有一定創(chuàng)新性的,手指跟蹤算法也為手指手勢的識(shí)別打下了很好的基礎(chǔ)。在應(yīng)用上將手勢識(shí)別和MOOC錄制結(jié)合到一起,具有一定的新穎性和實(shí)用性。
【關(guān)鍵詞】：人機(jī)交互 Kinect 手勢識(shí)別 手指追蹤
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-11
• 第一章 緒論11-19
• 1.1 背景11-12
• 1.2 NUI12-13
• 1.3 Kinect簡介13-16
• 1.4 論文的研究內(nèi)容16-17
• 1.5 論文的結(jié)構(gòu)17-18
• 1.6 本章小結(jié)18-19
• 第二章 手勢識(shí)別與手指跟蹤原理19-27
• 2.1 手勢識(shí)別20-23
• 2.1.1 手部分割20-21
• 2.1.2 動(dòng)態(tài)手勢識(shí)別21-22
• 2.1.3 手勢識(shí)別相關(guān)應(yīng)用22-23
• 2.2 手指跟蹤23-26
• 2.2.1 基于非視覺信息的手指跟蹤23
• 2.2.2 基于視覺信息的指尖識(shí)別23-25
• 2.2.3 三維指尖跟蹤25
• 2.2.4 手指跟蹤相關(guān)應(yīng)用25-26
• 2.3 本章小結(jié)26-27
• 第三章 基于骨骼流信息的動(dòng)態(tài)手勢識(shí)別算法27-44
• 3.1 Kinect的骨骼流圖像27-30
• 3.2 基于權(quán)重的DTW算法30-40
• 3.2.1 傳統(tǒng)DTW算法30-32
• 3.2.2 人體正規(guī)化32-34
• 3.2.3 DTW算法的優(yōu)化34-36
• 3.2.4 算法優(yōu)化實(shí)驗(yàn)36-40
• 3.3 基于骨骼點(diǎn)相對位置的算法40-42
• 3.3.1 算法的原理40
• 3.3.2 算法的實(shí)現(xiàn)40-42
• 3.4 性能測評(píng)實(shí)驗(yàn)42-43
• 3.5 本章小結(jié)43-44
• 第四章 基于深度信息的手指跟蹤算法之一：手部分割定位44-51
• 4.1 手部區(qū)域提取45-46
• 4.2 手腕識(shí)別46-48
• 4.2.1 距離變換46
• 4.2.2 手腕分割46-48
• 4.3 掌心識(shí)別48-49
• 4.4 輪廓提取49-50
• 4.5 本章小結(jié)50-51
• 第五章 基于深度信息的手指跟蹤算法之二：指尖識(shí)別跟蹤51-69
• 5.1 指尖識(shí)別52-60
• 5.1.1 傳統(tǒng)的K-curvature算法52-53
• 5.1.2 K-curvature算法的改進(jìn)53-56
• 5.1.3 參數(shù)分析與優(yōu)化56-59
• 5.1.4 算法分析與比較59-60
• 5.2 指尖跟蹤60-67
• 5.2.1 指尖排序算法60-63
• 5.2.2 指尖 3D坐標(biāo)的計(jì)算63-65
• 5.2.3 前后幀匹配65-67
• 5.3 本章小結(jié)67-69
• 第六章 算法實(shí)現(xiàn)及應(yīng)用69-78
• 6.1 系統(tǒng)的架構(gòu)與環(huán)境69-71
• 6.1.1 軟硬件環(huán)境69-70
• 6.1.2 系統(tǒng)的架構(gòu)70-71
• 6.2 手勢識(shí)別應(yīng)用：MOOC錄制系統(tǒng)71-75
• 6.2.1 MOOC錄制的開始和停止72-74
• 6.2.2 MOOC錄制中的手勢控制74-75
• 6.3 手勢識(shí)別與手指跟蹤實(shí)例75-77
• 6.3.1 圖片瀏覽75-76
• 6.3.2 鼠標(biāo)移動(dòng)和單擊76-77
• 6.4 本章小結(jié)77-78
• 第七章 總結(jié)與展望78-80
• 7.1 總結(jié)78
• 7.2 改進(jìn)以及展望78-80
• 參考文獻(xiàn)80-83
• 致謝83-84
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文84-86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 曾維;;手勢識(shí)別系統(tǒng)中手指及指尖檢測方法[J];國外電子測量技術(shù);2013年04期

2 張荻;;Kinect應(yīng)用領(lǐng)域的探討[J];物流工程與管理;2012年06期

3 王康;;基于Kinect的體感交互式電子白板初探[J];中國現(xiàn)代教育裝備;2012年06期

4 向守兵;蘇光大;任小龍;吉倩倩;方飛;;實(shí)時(shí)手指交互系統(tǒng)的嵌入式實(shí)現(xiàn)[J];光學(xué)精密工程;2011年08期

5 吳非;;觸摸屏的現(xiàn)狀及發(fā)展趨勢[J];價(jià)值工程;2011年16期

6 趙瑤;常發(fā)亮;;基于對稱差分的背景重構(gòu)算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年06期

7 姚桂林,姚鴻勛,姜峰;一種基于DTW/ISODATA算法的多層分類器手語識(shí)別方法[J];計(jì)算機(jī)工程與應(yīng)用;2005年08期

8 董士海;人機(jī)交互的進(jìn)展及面臨的挑戰(zhàn)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2004年01期

  本文關(guān)鍵詞：基于深度信息的手勢識(shí)別與手指跟蹤算法及其應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：299354