基于Kinect的手势控制在工作台控制系统中的应用

发布时间：2025-01-17 12:28

　　作为人机交互的一个重要方式,手势识别因为自然直接、简单丰富越来越受欢迎。普通的手势识别技术是基于计算机视觉,这种方法对环境背景要求很高,而通过Kinect传感器获取的深度图像可以很好的改善这个问题。本课题设计了一种基于Kinect设备的工作台手势智能控制系统。研究内容如下:采集手势图并分割出手势,再将手运动轨迹的方向进行量化,得到离散的方向值,把离散的方向值作为手势的轨迹特征。采用统计方法中的HMM算法进行手势训练,然后通过分析手势轨迹特征与训练序列的匹配程度来识别动态手势,能识别手向上向下向左向右等动作。在工作台硬件设计上,采用Arduino作为核心板。将动态手势识别应用于工作台控制当中,实现了动态手势对工作台的控制功能。还在不同环境下进行试验,光照良好的环境下平均识别率为85.3%,光照昏暗的环境下平均识别率为82.7%。测试结果表明:系统以较高的识别率完成了对智能工作台的控制,受光照影响小,稳定性好,可以满足实际需求。本课题创新地将手势识别应用于智能控制的工作台,系统具有使用方便、抗干扰能力强、成本低的特点,这种工作台能够被广泛应用于智能家居和工业控制等领域,以方便人们的操作,提高...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 引言
    1.2 选题的背景和意义
    1.3 国内外现状
    1.4 研究内容
第2章 手势识别方法分析
    2.1 引言
        2.1.1 基于数据手套的手势识别
        2.1.2 基于视觉的手势识别
    2.2 静态手势识别
        2.2.1 神经网络法
        2.2.2 模板匹配法
        2.2.3 基于指尖检测方法
    2.3 动态手势识别
        2.3.1 基于语法的方法
        2.3.2 基于模板的方法
        2.3.3 基于统计的方法
    2.4 本章小结
第3章 Kinect软硬件结构及工作原理
    3.1 引言
    3.2 Kinect传感器硬件结构
    3.3 Kinect传感器软件系统
    3.4 Kinect深度图像及预处理
        3.4.1 传统深度图像获取方法
        3.4.2 Kinect深度信息表示方法
        3.4.3 深度信息转换为实际位置
        3.4.4 深度图像到RGB图像的配准
    3.5 本章小结
第4章 基于Kinect的动态手势控制
    4.1 引言
    4.2 基于手心位置信息的手势控制方法
    4.3 基于HMM算法的动态手势识别
        4.3.1 马尔可夫模型简介
        4.3.2 隐马尔可夫模型简介
        4.3.3 动态手势识别
        4.3.4 动态手势识别结果
    4.4 本章小结
第5章 智能工作台控制系统设计及软硬件设计
    5.1 工作台简介
    5.2 系统设计目标及总体设计方案
    5.3 硬件平台设计
        5.3.1 核心开发板Arduino
        5.3.2 步进电机及其驱动
        5.3.3 直线电机及其驱动
    5.4 软件设计
        5.4.1 Open NI的安装与开发环境配置
        5.4.2 Processing IDE安装
        5.4.3 Arduino IDE平台搭建
        5.4.4 PC端软件设计流程
        5.4.5 基于Arduino的软件设计流程
    5.5 本章小结
第6章 手势控制实验及结果分析
    6.1 实验过程
    6.2 实验结果分析
    6.3 本章小结
总结与展望
参考文献
攻读硕士学位期间所发表的学术论文
致谢



本文编号：4028060