基于kinect的骨架提取。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

人脸的3d kinect 摄像头识别， 彩色，骨架， 高清的画面

openNI路线下kinect驱动安装包，一式四份，包含：OpenNI,nite,sensor,sensorKinect.吐血收集整理，内有安装教程，确保各位一次安装完全，为开发节省时间，减少精力浪费。

采用opencv，基于kinect的人脸识别，可以实时的对人脸进行识别！

BeatSaber 基于电影《星际大战》的虚拟现实游戏。 游戏的目的是在特定方向上用光剑切入的盒子。 该游戏利用Microsoft Kinect模块来跟踪人体运动以控制光剑。

针对基于视觉的手势识别技术对环境背景要求较高的问题，提出了一种利用深度信息进行手势提取和识别的研究方案。采用Kinect深度摄像头，通过中值滤波以及深度信息与邻域特点来分割手部区域并用Canny算子提取出手势轮廓，再以深度图像的凸缺陷指尖来完成对指尖的检测，从而实现对数字手势1到5的手势识别。该方法可快速有效地对指尖进行检测，鲁棒性和稳定性都比其他方法更好。实验结果表明，该手势识别方案的平均识别率达到92％，证明了该方法的可行性。

针对目前操作工人与工业机器人之间的交互还是采用比较机械化的交互方式，设计使用 Kinect 传感器作为手势采集设备，并使用人的手势来对工业机器人进行控制的方法． 首先，使用深度阈值法与手部骨骼点相结合的方法，从 Kinect 传感器获取的数据中准确地提取出手部图像． 在提取过程中，操作员无需佩戴任何设备，对操作员所站位置没有要求，对背景环境也没要求． 然后，用稀疏自编码网络与 Softmax 分类器结合的方法对手势图像进行识别，手势识别过程包含预训练和微调，预训练是用逐层贪婪训练法依次训练网络的每一层，微调是将整个神经网络看成一个整体微调整个网络的参数，手势识别的准确率达到 99.846%． 最后，在自主研发的工业机器人仿真平台上进行实验，在单手和双手手势下都取得了不错的效果，实验结果验证了手势控制工业机器人的可行性和可用性．

《Kinect for Windows SDK v2.0 开发笔记 (十三) 高清面部帧(4) 面部模型构建器》所附带资源

利用Kinect设备获取深度图像，通过前景提取得到深度图像中的人体目标，使用距离变换（包括欧氏距离、城市街区距离、棋盘距离方法）和图像细化算法（包括Hilditch细化算法和Zhang快速并行细化算法）研究并实现了人体骨骼的提取，通过实验对各算法的运行效果进行了对比分析。同时，利用深度图像具备深度信息这一特点解决了在骨骼提取中出现的人体自遮挡问题。在获取的人体骨骼线基础上根据人体测量比例定位人体各骨骼关节点，最终通过实验证明了该骨骼提取方法的有效性。

配套软文：https://blog.csdn.net/qq_41088607/article/details/1231