Kinect体感游戏控制器的手势检测方法研究
时间:2017-05-25 18:38 来源:毕业论文 作者:毕业论文 点击:次
| 摘要：我们以视频帧速率的形式来处理深度图像中人体部位的检测和识别问题。我们的解决方法中包括一个新型的针对网格和距离数据的兴趣点检测器，该方法非常善于分析人体形态。那些以表面网格中识别测量出的极值为基础的兴趣点，与人体中的突出的点相符合，可以用局部的形状描述器将他们归类为比如手部，脚部或者头部等。我们的方法还能对已给出的兴趣点进行三文定向矢量的估算。这可以用来规范局部形状描述器，以简化分类的问题并直接估计在空间中人体部位的定向。9183 实验显示通过即时运动捕捉系统获取的地面真实标签表明在检测深度图像中的人体部位时，我们的兴趣点结合斑点分类器的方式要比基于滑动窗口探测器的方式要好得多。 关键词 深度图像；兴趣点 ；检测 ；识别 毕业设计说明书（论文）外文摘要 Abstract We deal with the problem of detecting and identifying body parts in depth images at video frame rates. Our solution involves a novel interest point detector for mesh and range data that is particularly well suited for analyzing human shape. The interest points, which are based on identifying geodesic extrema on the surface mesh, coincide with salient points of the body, which can be classified as, e.g., hand, foot or head using local shape descriptors. Our approach also provides a natural way of estimating a 3D orientation vector for a given interest point. This can be used to normalize the local shape descriptors to simplify the classification problem as well as to directly estimate the orientation of body parts in space. Experiments involving ground truth labels acquired via an active motion capture system show that our interest points in conjunction with a boosted patch classifier are significantly better in detecting body parts in depth images than state-of the-art sliding-window based detectors. Keywords depth images；interest points；detect；identify 目 录 1 绪论 3 1.1 课题阐述 3 1.1.1 课题来源 3 1.1.2 课题的背景与意义 3 1.2 国内外关于课题中应用的技术的发展状况 3 1.2.1 Kinect简介 3 1.2.2 Kinect发展史 4 1.2.3 有关课题中Kinect的理论介绍 4 1.3 OpenCV概述 5 1.4 本文中项目执行的流程 5 1.4.1 本课题研究内容 5 1.4.2 本文研究的主要内容 6 1.4.3 本文的组织结构 6 2 基于深度图像的dijkstra算法的实现 6 2.1 dijkstra算法的研究 6 2.1.1 dijkstra定义 6 2.1.2 问题描述 6 2.1.3 迪杰斯特拉(Dijkstra)算法思想 6 2.1.4 迪杰斯特拉算法的原理 7 2.2 将dijkstra算法应用到深度图像中 7 2.2.1 深度图像 8 2.2.2 深度图像中点和边的特点 8 2.2.3 深度图像中dijkstra算法的应用 8 2.3 基于深度图像的dijkstra算法的优化 9 2.3.1 初步优化 9 2.3.2 进一步优化算法 9 3 深度图像中兴趣点的检测 10 3.1 问题的设置及概要 10 3.2 兴趣点的检测 11 3.3 研究兴趣点的取向及其性质 13 4 深度图像中人体部位的识别 14 4.1 利用分类器将兴趣点分类 14 4.2 为兴趣点添上人体标签 14 (责任编辑：qin) |