随着人机交互技术的不断发展,各种人机交互方式的研究已经成为了一类重要的课题。其中基于人机交互的手写汉字是一个相当热门的研究方向。而传统的汉字输入方式大都依赖于诸如鼠标、写字板等硬件设备,这在一定程度上限制了应用的灵活性和可操作性。而得益于近些年智能设备的飞速发展,更加智能化的非接触式汉字书写已经成为可能。本文通过利用Kinect设备,提出了一种非接触式的汉字书写方式。在使用这种人机交互方式时,只需要使用Kinect,实时采集使用者的图像信息,而不需要依赖其他的硬件设备,就能实现一种非接触式的汉字书写。这种人机交互方式能够给使用者提供更大的灵活性与自由度。本文提出了一种基于Kinect的非接触汉字书写的方法。论文的主要工作如下:(1)首先通过Kinect获取原始的深度图像和彩色图像,对原始深度图像进行滤波处理,然后对得到的滤波后的深度图像进行阈值分割和特征提取,来获取手掌的轮廓图。再对获取到的手掌的轮廓图进行指尖的检测与识别。(2)针对诸如Mean Shift和卡尔曼滤波等现有的目标跟踪方法,在跟踪指尖小目标物体时存在准确性低的问题,本文提出了一种具有监督环节的指尖实时跟踪方法。通过将指尖的检测结果与卡尔曼滤波的结果进行相似度匹配来获得稳定的指尖初始位置,并通过具有监督环节的指尖实时跟踪算法,实现对指尖运动的实时稳定跟踪。(3)在汉字识别方面,针对现有方法在准确性方面的不足,本文提出了在决策层信息融合机制下的汉字识别方法。首先利用Kinect提供的深度图像数据和彩色图像数据,得到手写汉字图像和汉字笔画轨迹图,对汉字图像进行预处理操作以及从汉字笔画轨迹图中提取出汉字的8-方向特征图,并分别将它们输入到基于汉字图像的识别网络中和基于汉字笔画的识别网络中,再在决策层信息融合机制下利用加权投票法对两个分类结果进行综合决策,从而得到最终的识别结果。(4)本文提出了一种基于Kinect的非接触式汉字书写方法。首先对深度图像进行滤波处理和阈值分割以及特征提取,实现指尖的检测与识别。再通过将检测结果与卡尔曼滤波结果进行相似度匹配,得到指尖的稳定初始状态,并通过具有监督环节的跟踪算法实现对指尖运动的实时稳定跟踪。然后将获取到的汉字图像以及汉字笔画特征图分别输入到基于汉字图像的识别网络中和基于汉字笔画的识别网络中,最后在决策层信息融合机制下利用加权投票法对得到的两个分类结果进行综合决策,得到最终的识别结果。