發(fā)布時間：2025-01-17 12:28

　　作為人機交互的一個重要方式,手勢識別因為自然直接、簡單豐富越來越受歡迎。普通的手勢識別技術是基于計算機視覺,這種方法對環(huán)境背景要求很高,而通過Kinect傳感器獲取的深度圖像可以很好的改善這個問題。本課題設計了一種基于Kinect設備的工作臺手勢智能控制系統(tǒng)。研究內容如下:采集手勢圖并分割出手勢,再將手運動軌跡的方向進行量化,得到離散的方向值,把離散的方向值作為手勢的軌跡特征。采用統(tǒng)計方法中的HMM算法進行手勢訓練,然后通過分析手勢軌跡特征與訓練序列的匹配程度來識別動態(tài)手勢,能識別手向上向下向左向右等動作。在工作臺硬件設計上,采用Arduino作為核心板。將動態(tài)手勢識別應用于工作臺控制當中,實現(xiàn)了動態(tài)手勢對工作臺的控制功能。還在不同環(huán)境下進行試驗,光照良好的環(huán)境下平均識別率為85.3%,光照昏暗的環(huán)境下平均識別率為82.7%。測試結果表明:系統(tǒng)以較高的識別率完成了對智能工作臺的控制,受光照影響小,穩(wěn)定性好,可以滿足實際需求。本課題創(chuàng)新地將手勢識別應用于智能控制的工作臺,系統(tǒng)具有使用方便、抗干擾能力強、成本低的特點,這種工作臺能夠被廣泛應用于智能家居和工業(yè)控制等領域,以方便人們的操作,提高...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 選題的背景和意義
    1.3 國內外現(xiàn)狀
    1.4 研究內容
第2章 手勢識別方法分析
    2.1 引言
        2.1.1 基于數(shù)據(jù)手套的手勢識別
        2.1.2 基于視覺的手勢識別
    2.2 靜態(tài)手勢識別
        2.2.1 神經(jīng)網(wǎng)絡法
        2.2.2 模板匹配法
        2.2.3 基于指尖檢測方法
    2.3 動態(tài)手勢識別
        2.3.1 基于語法的方法
        2.3.2 基于模板的方法
        2.3.3 基于統(tǒng)計的方法
    2.4 本章小結
第3章 Kinect軟硬件結構及工作原理
    3.1 引言
    3.2 Kinect傳感器硬件結構
    3.3 Kinect傳感器軟件系統(tǒng)
    3.4 Kinect深度圖像及預處理
        3.4.1 傳統(tǒng)深度圖像獲取方法
        3.4.2 Kinect深度信息表示方法
        3.4.3 深度信息轉換為實際位置
        3.4.4 深度圖像到RGB圖像的配準
    3.5 本章小結
第4章 基于Kinect的動態(tài)手勢控制
    4.1 引言
    4.2 基于手心位置信息的手勢控制方法
    4.3 基于HMM算法的動態(tài)手勢識別
        4.3.1 馬爾可夫模型簡介
        4.3.2 隱馬爾可夫模型簡介
        4.3.3 動態(tài)手勢識別
        4.3.4 動態(tài)手勢識別結果
    4.4 本章小結
第5章 智能工作臺控制系統(tǒng)設計及軟硬件設計
    5.1 工作臺簡介
    5.2 系統(tǒng)設計目標及總體設計方案
    5.3 硬件平臺設計
        5.3.1 核心開發(fā)板Arduino
        5.3.2 步進電機及其驅動
        5.3.3 直線電機及其驅動
    5.4 軟件設計
        5.4.1 Open NI的安裝與開發(fā)環(huán)境配置
        5.4.2 Processing IDE安裝
        5.4.3 Arduino IDE平臺搭建
        5.4.4 PC端軟件設計流程
        5.4.5 基于Arduino的軟件設計流程
    5.5 本章小結
第6章 手勢控制實驗及結果分析
    6.1 實驗過程
    6.2 實驗結果分析
    6.3 本章小結
總結與展望
參考文獻
攻讀碩士學位期間所發(fā)表的學術論文
致謝



本文編號：4028060