基于Kinect v2低成本动作捕捉系统在步态分析中的开发及应用

近年诸多证据表明基于深度传感器的微软Kinect v2可以进行精准数字化步态分析,从而提高神经系统和运动系统疾病的临床实践水平。本文从基于Kinect v2步态分析研究的步态录制条件、步态参数提取方法、步态分析准确性等方面综述Kinect v2的可靠性及可行性。文献综述提示,虽然受制于硬件及现有算法,Kinect v2在运动学步态参数测量上尚存在较大误差,但依靠其所提取的时-空间步态参数与金标准相比均具有极好的一致性,可以作为简易、低成本的步态记录及数字化分析的工具。因各研究所使用配套软件及终端算法不尽相同,未来研究方向应该聚焦于优化算法并建立标准化系统,且需要更大样本量的受试者数据验证该系统作为临床步态分析工具的真正效能。

基于Kinect的动态手势识别算法改进与实现

为解决隐马尔科夫模型(HMM)算法在动态手势识别中存在的准确率不高、容易受未定义手势的干扰、难以适应复杂背景等问题,本文提出了一种基于Kinect V2传感器改进的HMM动态手势识别方法。该方法进行手势分割后,以质心运动轨迹正切角的值进行均匀量化编码,通过设置概率阈值模型及编码的种类来排除未定义手势、进行动态手势识别,并对比不同实验环境下的识别效果。实验结果表明,改进后的HMM算法有效地排除了多种未定义手势,能够适应复杂背景和黑暗条件,而且能够提高对已定义手势的识别率。

基于Kinect多生物识别技术的智能视频播放器交互系统

为了实现观看者无接触操作情况下的视频播放器智能控制,系统利用Kinect传感器采集彩色图像,使用FaceNet提取人脸特征向量,经支持向量机(SVM)训练后进行人脸识别,该过程在计算机中央处理器(CPU)运行环境下,利用OpenVINO实现人脸检测与识别实时运行,用于视频播放器的登录验证。系统采集音频数据使用Speech Platform Runtime v11进行中文命令识别,使用Kinect Speech Language进行英文命令识别,进而实现语音控制。采集骨骼数据,计算骨骼点之间的距离与角度进行人体姿态和手势识别,将识别结果转换为控制命令,进而实现播放器的快进、切换视频、加减音量等常用的控制功能。实验结果表明,该交互系统实现了使用者无接触全自动人体控制,为视频播放器提供了一种自然便捷的交互方式。

TOF相机实时高精度深度误差补偿方法

TOF(Time-Of-Flight)相机获取的深度值存在着边角畸变和精度偏移,目前主要是通过误差查找表或曲线拟合等技术进行误差补偿,计算量大且补偿速度慢。通过对TOF相机在不同距离的深度误差分布规律的分析,提出了一种实时、高精度的误差补偿方法。该方法利用TOF深度图像的旋转对称性以及误差分布的特性,简化了误差补偿模型、降低参数数量级,有效提升了补偿的精度和速度。将算法应用于基于TOF原理的Kinect v2深度传感器进行深度补偿,使得有效距离内平面度误差下降到0.63 mm内,平均误差下降到0.7040 mm内,单帧数据补偿时间在90 ms内。由于该算法仅基于光径差进行补偿,因此适用于所有TOF原理的相机。实验结果表明,该算法能够快速有效减少TOF相机的深度误差,适用于实时、高精度的大视场三维重建。

智慧家庭管家设计与实现

为解决机器人设计功能单一而结构复杂,智能家居产品依赖终端而用户体验度差等问题,结合Kinect v2体感交互设备设计一种仿人形智慧家庭机器人,借助嵌入式硬件技术、语音合成技术、动态区域滤波算法、图像分割避障算法、二阶差分边缘检测方法和姿势序列有限状态机的动作识别方法,实现可自定义内容的自然语音交流与语音控制功能、可自动调速的自主避障与路径规划功能、可锁定目标的人物跟踪与动作识别功能。设计实现的机器人具有成本低廉、结构简单、适应性强、功能多样等优点。经实际测试,该智慧家庭管家机器人运行稳定,用户体验良好,可作为智能家居行业探索方向。