基于动态时间规整的深度数据静态和动态手势识别

基于动态时间规整的深度数据静态和动态手势识别(中文10000字,英文PDF)
摘要：
本文讨论了自然手势用户界面的开发，该界面基于Kinect传感器收集的深度数据实时跟踪和识别手势。首先基于用户的手是相机的场景中最近的对象的假设来分割对应于手的兴趣空间。提出了一种新算法来改善扫描时间，以识别该空间内手形轮廓上的第一个像素。从该像素开始，定向搜索算法允许识别整个手部轮廓。然后采用k曲率算法来在轮廓上定位指尖，并且动态时间扭曲用于选择姿势候选并且还通过将观察到的姿势与一系列预先记录的参考姿势进行比较来识别姿势。结果与最先进的方法的比较表明，所提出的系统优于大多数符号数字静态识别的解决方案，并且在流行标志的静态和动态识别以及标志的性能方面类似。语言字母表。该解决方案同时处理静态和动态手势以及兴趣空间内的多个手。55个静态和动态手势的平均识别率达到92.4％。讨论和评估了这项工作的两个可能的应用：一个用于解释符号数字和手势以实现更友好的人机交互，另一个用于软件界面的自然控制。
关键词：手势识别 动态手势 人机交互 静态手势 颜色和深度信息