基于Kinect和改进DTW算法的动态手势识别*

魏秋月, 刘雨帆

(西安邮电大学 自动化学院,陕西 西安 710121)

0 引 言

手势识别是一种人机交互技术, 通过手部的动作直接控制计算机的输入, 和传统的输入设备相比具有自然、直观、便于学习等优势,一直是国内外研究的前沿和热点[1]。如今,手势识别应用热点领域主要集中在机器人控制[2,3]、虚拟鼠标、体感游戏[4]和PC控制。

传统的基于单目视觉的手势识别需要从彩色图像中分割出手部区域,容易被光照变化和复杂背景所影响[5]。深度图像可以大幅度降低光照变化以及复杂背景的影响。近年来,微软公司发布的Kinect体感设备使得深度图像信息的获取更加高效、便捷,基于Kinect传感器的手势识别成为时下研究热点[6,7]。

动态手势识别方法中常用的有动态时间规整(dynamic time warping,DTW)算法和隐马尔科夫模型(hidden Markov model,HMM)等方法[8,9]。HMM算法需要大量的手势数据来进行模板训练,在多次训练计算后获得合适的模型参数,DTW算法不需要额外的训练,同时算法简单、快速且易于实现。

本文利用Kinect传感器获取关节点坐标,采用了一种确定手势起始和停止的方法,并构造矢量特征用于描述手势的运动轨迹,使用一种改进的DTW算法进行模板匹配,实时地识别动态手势,提高了手势识别的正确率。

1 手势特征提取

1.1 Kinect数据获取

Kinect传感器会根据不同的人体部位识别出人体的20个骨骼节点,如图1所示。

图1 Kinect实时跟踪的20个骨骼节点

为避免复杂环境对手势识别的影响,参照文献[10]从Kinect传感器获取的20个骨骼节点中选取手部节点作为特征参考点,手部节点坐标结合矢量特征数据为文的主要研究内容之一。……