基于深度传感器的手势追踪研究

发布时间：2020-12-14 02:28

　　随着计算机技术和传感器不断发展,人机交互技术已发展到以人为核心的自然用户界面交互阶段。由于手部在日常互动过程中起到了着重要作用,基于手部运动的人机交互技术也成为自然用户界面不可或缺的一部分。自从Microsoft发布可以检测深度信息的Kinect传感器以来,利用机器视觉方式实时分析手部运动成为可能。而在基于手部运动的人机交互应用开发中,要求能够准确反应手部在自由空间中的真实运动,从而对而实时处理算法提出新的挑战。因此,本文以手部运动过程中特征追踪效率为主线,深入研究在保障特征准确性、稳定性和鲁棒性要求下计算效率的提高策略。本文的主要研究工作有:(1)提出基于深度传感器的实时手部区域追踪方案针对手部运动过程中,难以获取手部区域内完整信息问题,本文使用前向运动学和卡尔曼滤波提高手部关节点追踪精度,对每一帧画面进行递归连续区域分析获取当前帧手部区域。综合实时性要求,采用级联方式实现每一帧的追踪以提高效率。实验验证表面,本文提出的手部区域追踪算法在保障准确性前提下,单帧计算复杂度为传统方法的12.4%。(2)提出基于深度传感器的实时指尖追踪方案针对手部旋转、手指伸缩过程中,追踪指尖位置困难,本... 

【文章来源】：南京邮电大学江苏省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

Kinect传感器

图 2.2 基于手部信息应用的数据来源结构具部运动信息追踪开发过程的实时性要求，以及传感器工作的硬性条件o 2012 平台、C++语言进行方案的编程实现，采用 OpenCV 作为设计工具。结先对 Kinect 传感器用于手部运动分析的硬件要求和传感器的性能与功用于手部运动追踪的原始数据进行了分析，阐述了数据的来源、获取换方法。最后对本文所提出的实现方案使用的开发环境进行了说明。

图 3.1 手部 27 自由度骨架模型配时，常采用的模型是手部关节模型，如图部姿态常用形状变形进行拟合，包含手势模图 3.2 手部形态变化模型将手部模型点与实际手部像素点位置进行校


本文编号：2915631