摘要
随着智能信息技术快速发展，人机交互朝着更加新颖以及人性化方向延展。过去的人机交互方式主要以鼠标、键盘、手柄等硬件设备辅助互动，交互方式不够直接。手势交互方式凭借其灵活性、直观性、富含表达信息等优点在人机交互领域占有重要地位。 针对传统的基于视觉的手势识别极易受到光照变化以及类肤色背景的干扰等问题。本文在利用 Kinect传感器获取的深度信息以及人体骨骼关节数据的基础上，分别对静态手势识别和动态手势识别进行探索研究，并将手势识别的结果应用于多媒体教学中。 静态手势识别系统中，设定深度信息阈值确定深度图像的手部感兴趣区域，再利用 K-均值将人手从深度图像中分割出来。采用葛立恒扫描算法实现手势凸包，并对凸包中的缺陷点进行检测，结合凸包点和缺陷点能够更为精确地检测指尖点。依据检测指尖点的个数识别数字静态手势，实验表明，手势识别率较高,验证了算法的有效性。最后在完成指尖检测的基础上，实现指尖对图片浏览的操作。 动态手势识别系统中，以Kinect传感器获取的人体骨骼关节数据为基础，提取4个手部关节位置信息作为输入手势特征向量，并对其中心化和归一化处理。采用动态时间规整算法(DTW)进行动态手势识别，并利用全局路径限制和失真度阈值优化DTW，提高DTW的实时性。通过实验验证DTW算法能够有效地识别动态手势，并在不同光照条件下验证了DTW算法的鲁棒性。最后将动态手势识别的结果应用于PPT操作系统中，实现无接触控制PPT播放。
NETL