低分辨率KINECT传感器采集三维点云的人脸识别

针对传统的三维人脸识别算法成本较高且不能很好地处理带有光照、表情等变化人脸识别的问题,设计了低分辨率Kinect传感器采集三维点云的鲁棒人脸识别系统。首先,通过鼻尖检测、人脸剪裁、姿势校正、对称填充及平滑采样得到规范的纹理图像;然后,在纹理图像上运用判别色彩空间变换,从而最大化类与类之间的分离性;最后,利用多模态稀疏编码有效地重建误差以得到查询图像与训练集之间的相似度,并利用Z-得分技术完成最终的人脸识别。在通用人脸数据库CurtinFaces、PIE及AR上的识别率可高达96.7%,实验结果表明,相比其它几种人脸识别算法,本文算法取得了更好的识别效果。     

基于Kinect骨骼追踪技术的智能教学控制系统的设计与实现

基于Kinect的骨骼追踪系统是虚拟现实技术在教学应用中的研究热点之一。目标是通过用Kinect for Windows SDK提供的NUI API可以实时准确地捕获人体的骨骼运动轨迹、景深数据、图像等信息,同时获取每个骨骼点的信息,把三维骨骼数据的世界坐标系转化为二维数据的图像像素坐标系,再通过降噪滤波每个骨骼数据并显示渲染图像,最终开发基于体感控制的智能教学系统应用案例。经过实验显示该系统可取得较高的精度识别,提高了人机交互的效率性和自然性。     

Rapid 3D human body modeling based on Kinect technology

The 3D shape of the human body is useful for applications in fitness,games and apparel.Accurate body scanners,however,are expensive,limiting the availability of 3D body models.In this paper,we focus on the human body 3D modeling using one Kinect sensor modeling method.To get the human body model fast,three steps in rapid modeling of the human body are carried out.Firstly,according to anthropometric parameters,the standard model is parameterized;Secondly,the Kinect depth image of the human body model is gotten through,then,by using the PCL library the point cloud data is processed and matched,and the human body model is optimized;Finally,the realistic human body model is obtained with the rapid integration of the standard model and PCL library.     

基于深度图像的人体动作识别方法

为解决人体动作识别中的复杂背景和自遮挡问题,对深度图像进行研究,从深度图像中获取20个人体骨架关节点,在此基础上将动作时间序列的关节角度变化作为人体运动的特征模型。通过改进的动态时间规整算法计算不同动作之间关节角度变化序列的相似性,进行动作识别,以缓解传统DTW算法病态校准的问题。将识别方法在采集的动作数据库和MSR Action3D数据进行验证,实验结果表明,该方法能达到90%以上的识别率。     

Kinect体感控制性能优化方法

为提高基于Kinect体感应用程序控制识别的稳定性、准确性与鲁棒性,针对手臂光标延迟与身体控制场景内容稳定性的问题,提出在Unity3D平台下的体感控制性能优化方法。基于数据转化思想,通过放宽手臂光标触发成功条件,将单点稳定触发转化为范围稳定触发,实现手臂光标延迟性能优化;通过将身体位置控制场景内容转化为模拟键盘方向键输入的方法,实现身体控制场景内容稳定性优化。实验结果表明,该方法能够有效提高体感应用程序的相关性能。     

基于Kinect深度图像信息的手势轨迹识别及应用

为实现基于Kinect深度图像信息的手势轨迹识别,提出了一种基于隐马尔可夫模型(HMM)的手势轨迹识别的方法。首先采用新型Kinect传感器获取图像深度信息;然后通过OpenNI的手部分析模块获得手心的位置,提取轨迹特征;最后利用隐马尔可夫模型训练有效的轨迹样本并实现轨迹的识别。实验结果证明,该方法能有效地识别手势轨迹,并可用于控制智能轮椅的运动。     

基于AR技术的实时互动体验电商系统

电商已经不仅仅满足于线上的商品交易,越来越多地开始关注于线下用户体验的改善.本文以虚拟试鞋为切入口,借助于Kinect硬件设备和3d Max、unity3d软件平台,提出并搭建了基于AR增强现实技术的实时互动体验电商系统.本文对该系统的关键技术进行阐述,包括三维模型的跟踪定位、手势交互和RGB-D抠像.该系统综合应用三维场景虚拟化、三维互动识别以及增强现实融合等技术,硬件成本和算法复杂度低,操作简单,适用于新型电商利用AR技术对品牌进行线上展示和线下用户体验.     

基于体感识别的辅助倒水机器人控制系统

为了更好的给老年人及残疾人提供服务,基于体感识别技术,设计了辅助倒水机器人控制系统。首先通过Kinect摄像头获取人体景深图像,然后利用体感识别控制算法对人体姿势进行识别,最后将识别结果转换为控制命令传输到辅助倒水机器人使其执行相应动作。实验表明,辅助倒水机器人具有良好的操控及执行性能,能较好地满足老年人及残疾人的需求,对服务型机器人领域的发展研究具有很好的参考价值。     

自动虚拟试衣系统的设计与实现

目前网络服装类购物快速发展,虚拟试衣应运而生,但现有的虚拟试衣系统试衣效果不够真实,交互操作能力差。针对这些试衣系统的不足之处,利用Kinect的人体识别的功能,结合Unity3D对3D渲染的强大支持,设计了一种基于Unity3D平台实现的虚拟试衣系统,实现了自动虚拟试衣,手势识别,背景切换等功能。此虚拟试衣系统具有真实度高,手势隔空操作,自动化程度高,后期开发和维护方便的优点。     

基于深度数据的手指识别与跟踪

识别、跟踪手与手指属于人机交互领域,它的目标是提供一种方便、高效的方法实时完成识别与跟踪。而类似微软Kinect的设备能够获取到深度数据,而不是普通的RGB图像,它为识别、跟踪手与手指提供更多的信息。讨论一种方法来完成这个目标,并论述相应改善性能的手段。