基于Kinect深度信息的人体运动跟踪算法

大多数人体跟踪算法鲁棒性不高的主要原因是对人体的颜色特征进行跟踪,针对此问题设计了基于Kinect深度信息的人体运动跟踪算法。通过分析Kinect获取的深度图信息来对人体轮廓进行区分判定,提取前景目标区域以及计算目标区域的深度直方图。通过对深度直方图进行分析去除背景区域部分,根据获取的深度直方图求取跟踪图像的深度反向投影;最后结合Camshift算法确定当前选取目标区域的尺寸和中心位置来进行对人体的实时跟踪。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,避免了光照变化和背景相似情况下的不稳定问题,能实现复杂场景下的人体目标跟踪。     

基于Kinect动作交互模式的脑瘫康复训练系统设计

设计了以Kinect为交互设备的脑瘫康复训练系统。该系统针对上、下肢康复运动设计了运动捕捉功能及运动数据记录、分析和评价功能,通过对脑瘫患者的实际考察和数据研究,对程序进行整改。系统还设计了动作数据记录和评价功能,可结合不同案例进行多疗程数据记录和分析评价,以便更好地了解患者的目前情况和训练后的康复情况,为医生和康复治疗师提供治疗佐证数据。     

基于Kinect的实时人体姿势识别

Kinect的实时骨骼跟踪技术获取身体关节点的三维位置信息,为进行人体姿势识别提供了丰富的信息,拟在三维关节点位置信息的基础上,建立一种实时的人体姿势识别系统。选择关节角度作为姿势特征,结合逻辑回归（logistic regression,LR）分类算法对54种姿势进行识别研究。实验结果表明,该姿势识别系统可以准确实时地识别人体姿势。     

INPAINTING ALGORITHM FOR KINECT DEPTH MAP BASED ON FOREGROUND SEGMENTATION简

The depth information of the scene camera, and depth extraction is a key technology indicates the distance between the object and the in 3D video system. The emergence of Kinect makes the high resolution depth map capturing possible. However, the depth map captured by Kinect can not be directly used due to the existing holes and noises, which needs to be repaired. We propose a texture combined inpainting algorithm in this paper. Firstly, the foreground is segmented combined with the color characteristics of the texture image to repair the foreground of the depth map. Secondly, region growing is used to determine the match region of the hole in the depth map, and to accurately position the match region according to the texture information. Then the match region is weighted to fill the hole. Finally, a Gaussian filter is used to remove the noise in the depth map. Experimental results show that the proposed method can effectively repair the holes existing in the original depth map and get an accurate and smooth depth map, which can be used to render a virtual image with good quality.     

基于Azure Kinect虚拟装配系统的研究与开发

在虚拟装配领域中,提升用户体验和交互精度一直是研究的重点。在利用Azure Kinect人体跟踪技术获取手部信息的基础上,研究利用SVM算法提高手势识别准确率的方法,通过参数寻优进一步优化了参数模型。在Unity3D平台上开发了虚拟装配系统,将优化后的手势识别应用在虚拟装配系统中并实现了主要装配功能,同时加入语音识别进行辅助装配。实验结果表明：通过SVM算法优化后,手势识别更加准确、稳定,提升了虚拟装配系统的用户体验和交互准确性。     

基于Kinect体感交互技术的3D服饰文化展示系统

为弘扬传统服饰文化,本文融合体感交互技术与增强现实技术,设计并实现了基于Kinect体感设备的3D服饰文化展示系统。不同于以往商业行为中的虚拟试衣镜,系统更注重中华传统服饰文化的普及,包括国粹箐华历代服饰、少数民族服饰、奥运主题服饰在内的多个主题将给使用者带来全新的用户体验。     

支持自定义的多粒度动态手势识别方法研究

大多数手势识别研究往往仅考虑手部的运动轨迹,无法全面的对动态手势特征进行描述。在深度分析了驱动手势的各关节特征影响度的前提下,使用了多粒度的动态手势识别方法,同时,针对大部分手势识别研究不考虑用户自定义手势问题,提出了一种改进的动态时间规整(DTW)方法。实验结果表明,该方法可以较好的识别不同粒度下的手势,以及在自定义模式下准确的识别出非模板库中的手势,从而实时的向模板库中添加新手势。     

基于Kinect手势识别的研究与实现

本文介绍了一种基于深度信息的静态手势识别方案,并且将该方案应用到了智能小车的控制之中。该手势识别系统使用微软Kinect获取场景的深度图像,再使用基于深度直方图的自动阈值技术进行手部区域分割,之后使用一个简单高效的定制分类器来实现手势分类,从而实现了对数字手势1至5的手势识别。实验结果表明,该方案有高达95%的手势识别率,设备简单且鲁棒性良好。     

基于Kinect传感器的家电手势控制应用研究

为提高智能家电的人机交互性,研究实现了一种基于Kinect传感器的手势识别系统,用户通过该系统可手势控制电视的多种操作功能。对常见的三种动态手势识别算法进行分析对比后,结合应用需求,重点研究了动态手势识别DTW算法。基于Kinect for windows SDK获取的手势深度图像和骨骼图像数据,采用DTW算法进行识别,最后给出了程序实现。实验表明,该方法可实现多种电视控制功能,而且具有较好的实时性和准确性。     

基于双Kinect传感器定标和配准的研究

Kinect原本是微软公司开发的Xbox360主机的周边外设,主要应用于实时的人机交互工程,也有相关研究人员将其成功应用于三维重建系统。但目前利用Kinect实现三维重建大多数是基于单个Kinect传感器的应用,多Kinect传感器联合实现大型复杂环境的三维重建技术日益显现出优势,多传感器坐标系标定和配准的实现是第一个技术难点,本文研究了两个Kinect传感器定标和配准的实现过程,为实现后续的多传感器联合大型复杂环境三维重构做了基础研究。本文主要分为两步：1）同一台计算机分别对两个传感器的启用并获取两个传感器的数据进行坐标系标定;2）采用迭代就近点法ICP（Iterative Closest Point）对两个传感器的图像进行配准。本文采用的定标和配准方法简单快捷,并且能够准确的对复杂环境进行定标且配准结果比较理想。