基于微软Kinect在体育教学与运动训练中的开发应用:系统评价

系统性回顾了近年来微软公司Kinect系统辅助体育教学、训练及评估开发应用,为相关研究人员提供参考。方法:检索中国知网、Science Direct等数据库,对Kinect系统应用的运动项目、开发流程特征、研发结果等进行系统评价。结果:共纳入40篇文献,辅助教学训练系统和检测评估系统的应用研究分别有22篇、18篇;教学、训练及评估系统开发流程特征相似,具有以下共性:①预先微软kinect的系统中设定动作规则或标准;②采集动作信息,检测或识别动作;③对信息数据进行转换处理;④与设定规则或标准对比;⑤实时反馈或评价,及时调整动作和姿态,指导训练;或动作质量检测评估(评分或判断是否正确、合格)。结论与建议:微软Kinect系统无标识点骨骼跟踪技术和开源数据为体育教学、运动训练、运动学检测评估领域应用提供了基础,开发者可自行根据运动需求,通过共性的开发流程特征扩展更广的体育教学、训练辅助开发应用;虽然目前尚存在捕获范围有限、精细动作捕捉难等技术限制,但Kinect仍显示了良好的应用潜力。

使用Kinect快速重建三维人体

三维人体模型广泛应用在多媒体工业,如动漫产业、游戏创作、电影制作等.针对传统三维扫描仪价格昂贵、操作复杂等缺点,提出一种基于低廉的深度摄像机(如微软Kinect)重建三维人体模型.该方法使用迭代最近点查找确定输入点云与可变模型之间的对应点对,将可变形人体模型拟合扫描点云数据,迭代生成高精度的三维人体模型.实验结果表明,文中方法能够使用Kinect深度摄像机快速重建出高精度的三维人体模型.

基于Kinect和确定学习的步态识别

步态作为生物特征,可广泛应用于人的身份识别。基于"行走运动的关节及肢体运动轨迹包含着丰富的个体识别信息"的思想,提出一种基于确定学习理论和关节角度的侧面视角下的步态识别新方法。该步态识别方法分为训练和识别两个阶段,训练阶段建立步态特征函数,采用径向基函数(RBF)神经网络局部精确逼近,获取的步态动力学信息存储于常值RBF网络;识别阶段构建估计器,将待识别人的测试步态模式与估计器求差,生成识别误差,提出一个对步态模式进行快速识别的机制。最后在自建的Kinect步态数据库上进行实验,证明了本算法的有效性。

基于确定学习的数字手势识别

基于确定学习理论研究手势识别方法,并以阿拉伯数字0~9为例,通过2折和10折的交叉验证实验,阿拉伯数字0~9的识别率分别为95.83%和97.25%,即证明该方法具有高识别率。

基于Kinect系统的场景建模与机器人自主导航

本文分别基于微软Kinect系统的单目RGB摄像机以及深度距离受限的RGB-D像机,研究解决室内机器人的6自由度定位问题.首先,在传统不完全自由度估计的基础上,提出了特征点参数的增量式模型以解决运动尺度不确定性问题.该模型和以往的欧几里得、逆深度参数化模型相比,不仅能够显著降低系统状态维数,而且能够保证系统状态的一致可观测性;此外,基于增量式模型,根据Kinect系统中采集的RGB图像和红外图像,实现了对机器人6自由度的运动估计.最后,将Kinect系统采集得到的RGB图像和深度图像序列用于欧几里得参数化模型和增量式参数化模型,对应的实验结果证明了本文所提的自主导航方法的有效性.