[发明专利]一种手势识别系统

说明书

技术领域

本发明涉及一种手势识别系统，属于人机交互技术领域。

背景技术

微软的Kinect是一种利用光学感测原理识别人体动作的3D体感摄影机,它能够准确的追踪人体骨骼、识别人体的动作,并实时处理相应操作。通过将Kinect体感设备与计算机结合起来,用户无需使用任何输入设备,即可通过自身的肢体动作向计算机发布指令,使之对计算机的控制具有更大的灵活性,进而增加了用户与计算机的交互性和用户体验。

发明内容

为解决现有技术的不足，本发明的目的在于，提供一种手势识别系统，通过使用Kinect提取深度信息,避免了识别过程中光照、颜色的差异带来的影响；同时使用Kalman滤波器对手势实时追踪,使系统更准确的追踪定位手部位置。

本发明的技术方案为：一种手势识别系统，其特征是，包括以下步骤：

(1)OpenNI/NITE平台下的骨骼提取；

(2)获取手部坐标；

(3)Kalman滤波器的手部追踪；

(4)识别手部起始位置；

(5)识别手部动作；

(6)触发键盘/鼠标事件控制设备。

前述的一种手势识别系统，其特征是，上述步骤(1)中，所述骨骼提取包括以下步骤：

①获取深度图像,提取人物信息,使用OpenNI中DepthGener-ator和UserGenerator生产节点,产生深度图像和人物信息；

②根据获取的人物信息生成骨骼信息，使用NITE中预先定义的矫正用姿势“Psi”；

③当人物摆出的“Psi”姿势且NITE正确识别后,调用Skeleton进行人体骨骼的校正和分析；

④当骨骼校正成功后,对骨骼关节点追踪,通过GetSkeleton函数获取骨骼点信息；如果骨骼校正失败,则重新校正；

⑤当骨骼追踪成功后,通过OpenNI中的GetSkeletonJoint()来读取骨骼的信息。

前述的一种手势识别系统，其特征是，上述步骤⑤中，函数具体声明如下:

XnStatusxn::SkeletonCapability::GetSkeletonJoint(XnUserIDuser,XnSkeletonJointeJoint,XnSkeletonJointTransformation&joint)；其中,user为追踪的用户的ID；eJoint指定系统要追踪哪个关节。

前述的一种手势识别系统，其特征是，上述步骤(5)中，识别手部动作的具体方法为：

将手起始位置设为原点,手的起始位置与终止位置之间的夹角在表示在执行“向右挥手”这个动作；设当手部在同一位置停留时间超过一定时间时,该位置为手的起始位置；针对终点位置确定,与起始位置略有不同，从确定起点位置时刻算起,经过一段时间后的Kalman预测位置设为终点位置；若手势的起始位置为P₁(x₁,y₁),结束位置为P₂(x₂,y₂),他们之间的夹角为θ,则通过对与P1,P2值的判断,识别出手势所表达的意思，系统根据识别出手部的动作,触发键盘keybd_event()或鼠标事件mouse_event(),进而实现对设备的控制。

本发明所达到的有益效果：系统通过使用Kinect提取深度信息,避免了识别过程中光照、颜色的差异带来的影响；同时使用Kalman滤波器对手势实时追踪,使系统更准确的追踪定位手部位置；通过对“挥手”动作的分析,最后利用手部位置信息判断挥手角度,进而识别出手部动作。

附图说明

图1是本发明的流程图；

图2是本发明的OpenNI/NITE识别骨骼信息流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，一种手势识别系统，包括以下步骤：

(1)OpenNI/NITE平台下的骨骼提取，如图2所示，骨骼提取包括以下步骤：

①获取深度图像,提取人物信息,使用OpenNI中DepthGener-ator和UserGenerator生产节点,产生深度图像和人物信息；

②根据获取的人物信息生成骨骼信息，使用NITE中预先定义的矫正用姿势“Psi”；