基于kinect的手心定位方法的研究和应用

《基于kinect的手心定位方法的研究和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TP391.4学校代码：10213国际图书分类号：004.9密级：公开工程硕士学位论文基于Kinect的手心定位方法的研究和应用硕士研究生：徐春辉导师：张颖副教授申请学位：工程硕士学科：控制工程所在单位：深圳研究生院答辩日期：2013年12月授予学位单位：哈尔滨工业大学万方数据ClassifiedIndex:TP391.4U.D.C:004.9DissertationfortheMaster’sDegreeinEngineeringRESEARCHANDAPPLICATIONOFHANDCENTERPOSITIONINGMETHODBASEDONKINECTCandi

2、date：XuChunhuiSupervisor：AssociateProf.ZhangYingAcademicDegreeAppliedfor：Master’sDegreeinEngineeringSpeciality：ControlEngineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2013Degree-Conferring-Institution：HarbinInstituteofTechnology万方数据摘要摘要Kinect目前已经广泛应用于教育，医疗，快消和日常生活等诸多领域，但近距识别的

3、稳定性和准确性尚不能满足人机交互的需要。为增强Kinect手部定位的实用性，便于开发对位置精度有较高要求的手势交互应用，对Kinect手心定位方法的研究成为必要。本文详述了Kinect手心定位的一系列预处理工作。提出了一个转换公式解决原深度的灰度输出不够精确的问题。在原有的人体提取程序中自行编写了一个灰度动态补偿模块弥补深度图像和彩色图像未完全对齐造成的影响，并使用固定阈值加强手部分割的灵活性。手部特征分为轮廓，凸包，指尖等代表的微观特征和手心位置为代表的宏观特征两种。本文在使用计算机视觉的方法提取微观特征的同时，完成了欧氏距离变换手心定位的实现，并定性评估其优势和KinectSDK

4、手心定位的缺陷。手心位置目前并无相关的数学公式来定义。本文提出了一种符合人机交互方式的手心真实位置确定方法，并配合构造的量化评估指标—改善率从距离和方向两方面定量讨论在近距、手部异形、多角度等情况下，欧氏距离变换手心定位与SDK相比，在稳定性和准确性方面的显著优势。同时本文尝试将欧氏距离变换拓展到全身图像，完成了肩中关节的定位，证明其具有同样优良的稳定性，开发了一个具有教学意义和娱乐性的人体角度仪应用程序，验证了欧氏距离变换的实用性。关键词:Kinect；手心定位；调用SDK；欧氏距离变换；改善率-I-万方数据AbstractAbstractNowadaysKinecthasbeen

5、widelyusedineducation,healthcare,FastMovingConsumerGoods,dailylifeandmanyotherfields.Butthestabilityandaccuracyofcloseidentificationcannotmeettheneedsofhuman-computerinteraction.Inordertoenhancetheprecisionandpracticalityofgestureinteractiveapplication,thestudyofKinecthandpositioninghasbecomene

6、cessary.Aseriesofpretreatmentforhandpositioningisdetailedinthisdissertation.Atransformationformulaisputforwardtocalibratetheoutputofdepthinformation.AgraydynamiccompensationmodulewrittenbymyselfisaddedinhumanextractiontocoverthemismatchofdepthandRGB,thenfixedthresholdisusedtostrengthenthehandse

7、gmentationflexibility.Therearetwokindsofhandfeatures:oneismicroscopiclikehandcontours,convexhull,fingertipsandsoon,anotherishand-centerpositioningonbehalfofmacrofeature.Handmicrofeatureareextractedbycomputervisionalgorithmsinthisd