Kinect 2.0与Azure Kinet的安装包 以及unity3d Sdk,内含表情识别,手势识别等实例
2021-04-19 18:08:41
118B
读取并显示kinect彩色和深度信息的三种方式。
1.KinectSDK+MFC
方法是：利用KinectSDK读出彩色图和深度图，利用MFC窗显示
2.KinectSDK+OpenCV
方法是：利用KinectSDK读出彩色图和深度图，利用openCV显示
3.OpenNI和OpenCV
方法是：这个代码非常简单，一看便知
Kinect有三个数据流：彩色图，深度图和骨骼点。KinectSDK是利用三个数据流返回的句柄读取对应信息。
KinectSDK+OpenCV的方法详细内容可以参照博客：http://blog.csdn.net/yangtrees/article/details/16106271
利用OpenNI读取kinect代码非常简单，不再做解释。利用OpenNI读取信息的时候，要正确安装OpenNI和对应的Kinect驱动。
利用本资源提供的源代码，配置好OpenCv,OpenNI和KinectSDK即可运行。
2021-04-19 14:53:36
36.19MB
1
课堂是学校教育的核心，课堂教学过程评价对于教学质量的提高有重要意义，而学生的课堂行为表现是课堂教学评价的重要成分。通过评价学生的课堂行为，形成有效的反馈信息和教学导向，可以有效的促进课堂教学和学生的发展。因此，利用现在的计算机视觉技术和教学过程的相关测量手段相结合，对教室中的学生学习行为进行测量，形成对学生、对课堂的多维度的客观评价和反馈，对于提高课堂内的教学效率和教学质量有着重要的意义。本文在课堂学习场景下，研究了基于体感信息的学习者动作识别的算法以及相关应用系统的设计和实现。
论文的主要贡献是设计并实现了课堂学习场景下基于体感信息的多学习者行为测量系统:针对的Kinect骨骼数据特点，本文提出了基于人体上肢骨骼结构的姿态识别方法，该方法通过选用结构向量间的向量角和向量模比值作为最终的姿态向量特征，采用SVM分类器对姿态向量特征进行分类和识别；实现了一个集数据采集、识别、记录、分析和展示于一体的课堂行为识别系统，对课堂交互活动行为分析和课堂整体活跃态势进行了分析，并使用该系统进行了针对学习者个人评价和针对课堂活跃度评价的实验。
通过测试结果表明，本文提出的姿态识别方法能有效地识别多个学习者的举手、正坐和低头等姿态，该课堂行为识别系统具有一定的实用性；通过模拟课堂实验得出对于学生个人的参与度评价、每道题的难度评价、整个课堂活跃度的评价的实验性结论，对于课堂教学过程评价具有一定的参考意义。
2021-04-15 14:08:55
15.09MB
1