手势识别 使用Kinect数据进行手势识别-Chalearn Challenge 2013 大纲 该存储库包含我在塞萨利大学电气和计算机工程系攻读文凭学位期间进行的所有实验和实验 摘要本文着重于利用深度传感器来构建能够可靠地检测多个手势的分类器。 该数据库最初在Chalearn Gesture Challenge 2013中引入，包含20个手势的词汇表，并使用Kinect传感器构建，以捕获音频，视频，人体的骨骼关节和深度信息。 在本文中，我们主要利用骨骼形态来跟踪手和身体关节随时间的运动，并创建可以有效识别给定手势的模型。 这是通过创建一个姿势描述符来实现的，该姿势描述符包含骨骼矢量彼此之间形成的角度以及它们与躯干之间的距离。 通过计算这些指标，我们可以获得每个视频帧中人体姿势的虚拟地图。 分类过程利用上述特征将手势识别为身体姿势序列。 我们主要强调两个都训练隐马尔可夫模型的分类器。 最

程序可以直接拿来执行，需要的各位同仁可以自己下载

基于Kinect的人体检测和跟踪算法研究，介绍最基本的跟踪算法

基于Kinect的三维人体扫描_重建及测量技术的研究，讲诉了如何使用kinect\pcl等技术，进行人体扫描、过滤、分析、测量、比对等

文件里面给出了3D人体建模的代码，有不懂的地方可以随时留言问我哈~

随着机器视觉理论的发展和硬件技术的进步，三维重建在生产、生活中的应用越来越广泛，基于Kinect传感器的三维重建得到广泛的应用。针对于现有的Kinect传感器获得的深度图像深度信息丢失的问题，提出了一种新的基于均值滤波的方法对深度图像进行去噪，并对深度图像进行预处理，获取三维点云，用迭代最近点（Iterative Closest Point, ICP）算法完成点云的精确配准，从而得到配准后物体表面三维点云，并完成物体的三维重建。

本论文研究任务是实现无人机物体抓取。首先根据数控机械臂系统的自动控制功能要求，通过kinect等双目定位摄像头自动拍摄一段视频或背景图片，然后存储到视频存储器中，通过视频图像信息处理技术系统自动去除视频背景图像信息，可以用于抓取目标物体，可以实现对用于目标物体的自动跟踪，再通过定位器找到用于目标抓取物体的一个中心定位点，以这个中心点位置作为目标抓取点，并将目标中的物体暂定为一个形状排列规则的目标物体。整体上我们设计了一出单cpu的舵机系统控制解决方案，方法即通过直接控制主舵机控制器谐波输出的pwm和谐波的时间占空比值来实现系统对舵机横向转动的直接控制，进而直接实现各个传动关节的舵机位置移动控制。在相关的物理设计的方面上，论述了如何利用arm的两种微处理器，通过如何搭建硬件平台等来构建人体关节处的运动过程控制管理系统。然后按照传统结构化电路设计的基本思想，对以上各组成部分的设计原理和具体设计操作方法细节进行了系统分析和深入探讨，最后给出了实际的设计原理结构图和集成电路结构图。

这是一组 Kinect-v2（又名“Kinect for Xbox One”）示例，它们使用了几种主要脚本，并被分组到一个文件夹中。该资源包包含 30 多个演示场景。

Kinect骨骼追踪 从Kinect获取视频和音频流，并保存数据供以后检查。

上传文档为Kinect深度图像去噪算法