论文部分内容阅读
随着信息技术的发展,人物身份及手势的识别越来越多的被运用在各企业系统和智能家居生活当中。传统人物识别系统多采用人工登记或刷卡的形式,因此存在丢失、盗用的可能,不能保证识别的唯一性,无错性。并且市场多数智能家居产品仅停留在多途径控制家电层面且产品功能单一。因此,本文引入Kinect体感传感器,提出了一个基于人体骨骼结构的人物身份和姿势识别系统,该系统以STM32为控制核心,结合SVM分类器和物联网技术,其骨骼识别技术不仅弥补了现有身份识别系统的不足,可作为人物识别系统的第二选择来使用。同时,将姿势识别运用在智能控制家电中,用户无需手机等第三方媒介就能完成家电的控制。系统设计有人脸识别和骨骼匹配开门、陌生人报警、小孩防坠楼窗等安防设施,确保家庭安全。经验证,该系统能够较大程度的提高当前智能家居系统的智能化水平及安防能力。本文重点阐述该系统的组成、Kinect体感技术应用,以及基于人体骨骼数据的人物识别系统和姿态识别系统的实现。系统首先利用Kinect编程提取人物骨骼信息,把每两个骨骼点之间的距离作为特征量,使用改进后的SVM分类器对特征量进行筛选,最终提取出16个最优特征量进行人物识别判断。尔后,结合人体骨骼特征、Ki’nect深度图像和彩色图象特征,对人物姿势进行识别,将不同家电传感器匹配不同人物姿势,最终实现使用姿势识别控制家电的目的。具体从以下几个模块对人物骨骼识别工作进行深入研究:(1)人物识别系统平台搭建。此系统通过编程驱动Kinect3D摄像头完成人物骨骼的追踪和识别,为方便用户使用,使用C#语言基与Visual Studio 2013的WPF平台开发了 Kinect实时人物识别系统,该系统包含了骨骼数据录入、训练模型、调节参数、人物识别、姿势识别以及实时人物图像显示六个模块。(2)基于Kinect的人物身份识别。利用Kinect获取骨骼信息,提取31个有效关节点之间的距离作为特征量,采用优化过的支持向量机(Support Vector Machine,SVM)对特征量训练分类,择优筛选出16个最优特征量进行人物识别;(3)基于Kinect的人物姿势识别。利用Kinect Studio和Visual Gesture Builder进行样本的录入和训练,最终达到利用姿势识别控制家电的目的;(4)智能家居云系统的设计与实现。包括有:物联网,手机客户端,服务器的搭建,在线实时人物识别系统的实现。通过Matlab仿真和数次真实人物测试,其结果表明文中所述基于人体骨骼数据的人物身份和姿势识别方法准确率良好,可以用于智能化家居产品中。