Kinect彩色图像在光标移动控制中的应用

传统光标控制方式不能较好满足残疾、野外工作等人员的工作需求,而用Kinect识别人体不同的动作类型来实现光标控制时,由于控制方式过于单一,存在动作类型过多且相互干扰的情况。为此,提出将Kinect提取的彩色图像和骨骼数据相结合的方法实现光标的移动控制。从彩色图像上提取可变的像素颜色,以此减少动作类型数量,同时避免动作之间的相互干扰。给出光标移动控制中涉及到的坐标映射相关理论的计算公式。实验结果表明,将感应器彩色图像应用于光标移动控制中是可行的,与单一控制方式相比,具有更好的移动控制性能,通过调节公式中的相关参数更加灵活地实现鼠标控制。

基于k-means的Kinect深度图像空洞修复算法

为解决Kinect感应器所采集的深度图像中存在大面积空洞的问题,提出了一种深度图像空洞修复方法。该算法首先输入同步获取的彩色图像和深度图像;接着利用k-means算法对灰度化后的彩色图像进行聚类,聚类结果作为引导图像;然后对每个深度图像中的空洞点,搜索引导图像中与之相匹配的非空洞像素点,将该点的深度值作为空洞点的深度值。实验结果表明,该算法利用聚类思想,将彩色图像应用到对深度图像的空洞修复,有效完成了对深度图像的空洞填充,修复后深度图像的平滑度优于联合双边滤波方法,较好地提高了深度图像的质量。

基于Kinect的面部表情获取与识别方法研究

目前,部表情识别技术在智能监控、人机交互、虚拟现实、医疗等领域有着非常广阔的应用前景。文章提出一种使用微软公司Kinect采集面部三维数据进行表情识别的方法。通过Kinect采集的深度和彩色数据,生成人体骨骼,利用头部节点进行面部追踪。对三维面部进行了归一化处理和PCS校正之后,用方法进行特征信息提取,结合FACS设计SVM分类器进行表情分类。通过三组对比实验分析了此方法的优缺点。