非常好的手势识别文档

当今社会独居老人越来越多，老年人的监护已经成为了一个社会问题。为使独居老人在家摔倒时能够被及时发现，将对老年人的伤害减到最低，一种不受可见光影响的基于Kinect的摔倒检测方法被提出与研究。使用Kinect的深度信息去除背景，提取人物的关键点，采集大量的不同动作下的关键点运动曲线，并进行特征提取作为训练集，用SVM（支持向量机）建立了一个摔倒检测分类器。在实验中，500个摔倒动作和1 500个未摔倒动作作为训练数据，315个动作被用来作为检测数据，实验结果显示，算法的敏感度是91.4%，精确度是93.7%，由此可见这个方法对于摔倒特征有很好的分类能力和很高的辨别度。

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。

设计一种麦克纳姆轮全向行走运输平台的体感交互控制系统。该系统应用kinect体感器提出骨骼运动信息识别和基于深度手势识别的两种控制方式，应用于不同场景。基于骨骼运动信息识别控制方式通过kinect获取人体深度图像数据，然后利用骨骼追踪技术提取人体应用关节点，并建立空间坐标系，最后通过向量计算法来计算出人体关节转动角度实现动态的动作识别进而转换为控制指令实现平台控制。基于深度手势识别控制方式利用kinect获取的深度信息实现手部从背景中分割，然后运用模板匹配的方式识别手势转换为控制指令实现平台控制。实验表明，通过该控制系统能对全方位运输平台进行有效灵活的控制。