基于Kinect深度图像的指尖识别及手势判定

来源 :电子科技 | 被引量 : 19次 | 上传用户:zxwlxy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在基于微软Kinect体感设备开发的交互应用系统中,使用传统的鼠标、键盘等交互设备难以达到理想的效果。针对这种情况,提出一种基于指尖识别的手势判定方法。采用Kinect传感器获取图像的深度信息,通过OpenNI的内置模块获取手心的位置信息,使用最近邻法实现手部的分割并对手形进行提取;并采用射线求交法优化Graham Scan算法获取凸包点集合,利用轮廓分析法从凸包点中识别出指尖。在此基础上,结合指尖数目和面积比例实现对"抓取"手势的判定。实验结果表明,该方法能有效地识别抓取动作的手势,且具有良好的鲁棒性。
其他文献
永磁同步电机具有强耦合和非线性的特点,其应用环境通常较为复杂且存在干扰,系统稳定性差。传统PI控制方式很难满足控制系统的要求,控制效果不佳。为抑制超调幅度,提高控制精
用Fenton试剂-超声波振荡法对硝基苯水溶液进行降解处理,采用气相色谱-质谱联用法分析降解的中间产物,用离子色谱法分析降解的最终产物.实验结果表明:硝基苯降解中间产物中含
由于目前轮胎胎面挤出机控制系统多以挤出压力反馈控制为主,无法直接反映挤出胎面尺寸,致使一定量挤出胎面尺寸不合格。针对一情况,提出了一种基于图像处理的模糊神经控制方法,利用边缘改进阈值算法分割挤出胎面图像,提取出尺寸数据,数据经由模糊神经网络分析,决策出适宜的挤出机螺杆转速,并反馈给挤出机,仿真实验表明,根据挤出胎面尺寸,模糊神经能较好地进行螺杆转速控制。该控制方法能有效提取挤出胎面尺寸数据,并具有
为满足现代工业发展对系统设备集成化、网络化的需求,文中探讨了基于SOPC的千兆以太网实现方法.采用Altera公司的CycloneⅢ系列FPGA作为平台,在其中搭建了NiosⅡ软核处理器.
分析了新型光电器件在常规空间辐射环境下,电子器件所产生的一系列位移型损伤及对应成因。经多次对比实验发现,其位移损伤和器件失效主要由非电离能损(NIEL)所诱发。其根本损耗
为解决低频强磁场模拟试验设备中磁场发生线圈为一大型疏绕螺线圈组,其磁场分布无法利用现有的适用于密绕情形公式进行计算的实际问题,采用Ansys仿真对其磁感应强度及其均匀
分析制造企业图档管理的实例研究现状,设计了一个基于PDM的产品图档管理系统解决方案。阐述了图档管理在企业市场竞争中的重要性,对PDM做了简要的说明,并对系统的基本功能和数据