基于Kinect的文化遺產(chǎn)個(gè)性化虛擬交互展示技術(shù)研究.pdf

1、對(duì)手勢(shì)和人體姿勢(shì)的識(shí)別是交互展示領(lǐng)域的熱點(diǎn)研究方向之一?；谟?jì)算機(jī)視覺(jué)的識(shí)別技術(shù)容易受到現(xiàn)實(shí)環(huán)境中光照條件、背景場(chǎng)景等因素的影響;識(shí)別過(guò)程中對(duì)指尖的檢測(cè)容易受到手部區(qū)域大小或者手勢(shì)輪廓異常點(diǎn)的影響，針對(duì)這些問(wèn)題，本文主要研究以下內(nèi)容:
　　1)研究了人體動(dòng)作識(shí)別和手勢(shì)識(shí)別的現(xiàn)狀，并分析了目前識(shí)別技術(shù)中存在的問(wèn)題。
　　2)提出了基于Kinect深度信息和手掌節(jié)點(diǎn)信息的閾值法手勢(shì)分割算法。該算法不僅針對(duì)手掌節(jié)點(diǎn)設(shè)置距離閾值，同

2、時(shí)在灰度圖像上設(shè)置區(qū)域閾值，大大減少比較次數(shù)。算法有效了排除了光照條件和背景場(chǎng)景對(duì)手勢(shì)提取和分割的影響。
　　3)提出了基于平均K曲率的指尖檢測(cè)算法。算法由平均K曲率算法、改進(jìn)的基于K-means聚類算法和類指尖排除等算法組成，減少了手部區(qū)域大小、距離Kinect攝像頭遠(yuǎn)近和手勢(shì)輪廓異常點(diǎn)對(duì)指尖檢測(cè)結(jié)果的影響。
　　4)提出了基于Kinect骨骼關(guān)節(jié)點(diǎn)的人體姿勢(shì)識(shí)別算法。算法首先獲取人體20個(gè)關(guān)節(jié)點(diǎn)，然后利用關(guān)節(jié)點(diǎn)之間的角度