自己做的基于MFC的KInect彩色深度摄像头的调用，供入门参考，利用自带的骨架识别库，由于没有弄这个方向了把文佳分享交流，获取骨骼可能有点卡顿只要连接上了KINECT基本没有问题

钢丝网骨架复合塑料PE管施工工艺设计流程.doc

卡尔曼·克劳迪代码 matlab KinectV2-卡尔曼 使用 MATLAB 在 Kinect V2 骨架跟踪数据上实现线性卡尔曼滤波器。 描述 使用简单的线性卡尔曼滤波消除 Kinect 骨架跟踪算法中的噪声。 在 MATLAB R2018a 和适用于 Windows 的 Microsoft Kinect V2 上进行测试。 指示 只需运行 color_kalman_kinectv2.m 或 depth_kalman_kinectv2.m 文件即可对 Kinect V2 进行卡尔曼滤波。 pointcloud.m 只是一种使用 Kinect V2 传感器在 MATLAB 中计算点云的方法。 请记住，当启用骨架跟踪时，Kinect V2 在 MATLAB 中非常慢。 要求 所有要求的完整列表 代码示例 颜色 Kalman 和 Kinect Joint Tracking 的示例，其中红色圆圈代表 kalman Joint Tracking，绿色圆圈代表 kinect 的关节值： 深度 与颜色示例相同 地块 将 kinect 的值与卡尔曼估计值进行比较的图。

关于 基于Kinect骨架信息的人体动作识别的论文

基于Kinect的骨架提取及姿势识别，用于简单的体感控制

数字图像处理有关骨架处理的论文，可以更好的处理图片，是图片看起来美观

图像形态学处理，骨架提取，膨胀，腐蚀等操作

融合手部骨架灰度图的深度神经网络静态手势识别.pdf

Keras中的两流CNN工具 在的基于骨架的动作识别中，提出了两流CNN，用于基于骨架的动作识别。 它将骨架序列映射到图像（坐标x，y，z到图像R，G，B）。 他们专门设计了骨架变压器模块，以自动重新排列和选择重要的骨架关节。 要求 Python3 凯拉斯 h5py matplotlib 麻木 网络架构 该网络主要由Skeleton Transformer ， ConvNet ， Feature Fusion和Classification四个模块组成。 两个流的输入分别是原始数据（x，y，z）和帧差。 如下图所示： 用法 function / data_generator.py ：生成两个流的输入numpy数组 layer / transformer ：Keras中的Skeleton Transformer工具层 网络/ ：褶皱有四只苍蝇，具有不同的特征融合方式 结果 模型 准确度（

使用3D运动传感器的姿势和跌倒检测系统 这项工作提出了一种监督学习方法，用于训练姿势检测分类器，并使用Microsoft Kinect v2传感器使用姿势分类结果作为输入来实施跌倒检测系统。 Kinect v2骨架跟踪为25个身体部位提供3D深度坐标。 我们使用这些深度坐标来提取七个特征，这些特征包括对象的高度和某些身体部位之间的六个角度。 然后将这些特征输入到完全连接的神经网络中，该神经网络输出对象的三种已考虑姿势之一：站立，坐着或躺下。 在由多个对象组成的测试数据上，所有三种姿势的平均分类率均达到99.30％以上，这些对象大部分时间甚至没有面对Kinect深度相机，并且位于不同的位置。 这些结果表明，采用提议的设置对人体姿势进行分类的可行性与对象在房间中的位置以及3D传感器的方向无关。 系统演示请观看Posture_fall_detection_demo.mp4视频，以了解姿势和跌倒