基于Kinect骨骼数据的静态三维手势识别#李红波，丁林建，吴渝，冉光勇*（重庆邮电大学计算机科学与技术学院，重庆400065）510152025303540摘要：手势作为一种自然、直观的交流方式，在人机交互领域得到越来越广泛应用。研究的手势主要指手与臂形成的一种空间三维姿势，现有方法对该种手势识别的准确性不高且实时性不强。在Kinect体感摄像机获取的人体手部关节点三维坐标基础上，提出一种计算手部角度进行静态三维手势识别的新方法。该方法通过计算手部多个位置的夹角来获取手部运动的特征，然后与参考的静态手势特征做匹配识别。实验表明，该方法能够判断和识别当前静态手势与参考手势是否匹配，比现有方法具有更好的识别准确性和更强的实时性。关键词：手势识别；Kinect；静态三维；骨骼数据中图分类号：TP391.41StaticThree-dimensionalGestureRecognitionBasedonKinectSkeletonDataLIHongbo,DINGLinjian,WUYu,RANGuangyong(CollegeofComputerScienceandTechnology,ChongqingUniversityofPostsandTelecommunications,Chongqing400065)Abstract:Asanaturalandintuitivewayofcommunication,gesturesarewidelyappliedtothefieldofhuman-computerinteraction.Thegesturedefinitionofourresearchmainlyreferstoakindofspatialthree-dimensionalpostureformedbyhandandarm,thecurrentprocessingmethodsofwhichhavelowaccuracyandefficiency.OnthebasisofhumancoordinatesofhandscapturedbyKinect,wepresentanovelhandanglescalculationandastaticthree-dimensionalgesturerecognitionmethod.Thefeaturesofhandsmovementareretrievedbycalculatingseveralanglesinthepositionofhands,thentheyarematchedandrecognizedwiththetemplategesturefeatures.Theexperimentsshowthatourmethodcanjudgewhethercurrentgesturematchesornot,andthenrecognizetherightgesture.Furthermoreithashigheraccuracyandcostslesstimethantheexistingmethods.Keywords:Gesturerecognition;Kinect;Staticthree-dimensional;Skeletondata0引言随着人机交互和智能领域的迅猛发展，手作为人身体上最灵活的部位及人机交互的媒介之一，得到越来越多的应用[1]。由于手势本身具有的多义性以及时间、空间上的差异性，研究者对手势的定义并不相同。现有文献中对手势的定义有三种：手形（手掌与手指的轮廓）、手指或手臂的运动、人手和手臂结合组成的姿势[2]。本文参照文献[2]的定义，将手和臂形成的姿势定义为手势，本文中手势识别是指该类手势的识别。从手势识别的硬件条件看，传统的基于视觉的一般流程[3]是通过一个或多个摄像头采集图像或视频，从这些图像或视频流中分割出手势，再用训练好的手势模型进行手势分析，生成手势描述，最后完成手势识别。张良国[4]等采用基于Hausdorff距离，采用边缘特征像素点作为识别特征，利用Hausdorff距离模板匹配的思想，在距离变换空间内实现了中国手语手指字母集上的30个手指字母的手势识别；翁汉良等[5]利用颜色特征检测肤色区域，分割基金项目：“核高基”重大专项(2009ZX01038-002-002-2)，科技部“原创动漫软件开发技术人才”计划扶持项目(NO.2009-593)。作者简介：李红波(1970-)，男，高级工程师，主要研究方向：数字媒体、计算机视觉与模式识别.lihongbo@cqupt.edu.cn-1-出人手，根据人手的轮廓及凸缺陷来检测指尖，利用指尖的数目和方位来表示一个手势，进而结合轮廓长度和面积等几何特征完成手势识别。4550556065但是，这些传统的基于单目视觉的手势识别主要研究的是手掌与手指轮廓形成的手势，其前期手势分割过程易受光照、背景、摄像头等因素影响，识别的稳定性和鲁棒性不高[6]。2011年，微软发布一款Windows版Kinect三维摄像机[7]。Kinect有三个摄像头，每秒更新30帧图像，其中中间的主摄像头是RGB彩色摄像头，左右分别为红外线发射器和红外线CMOS景深摄像头。在微软的KinectforWindowsSDK支持下，我们可以获取人体的彩色图像、深度图像以及人体骨架图，然后利用Kinect骨骼数据来进行手势识别。这样做可避免光照等因素的影响，并且省去了传统彩色图像手势识别过程中...