手势
动态手势识别及在PPT播放当中的应用研究
本文主要研究了动态手势识别在PPT 播放当中的应用，即在播放过程中能够通过动态手势控制PPT 的翻页。首先在动态手势检测的研究中，通过采用背景差分和基于HSV 的肤色建模相结合的方法，分割出了较好的动态手势图像。其次，通过对几种动态手势的跟踪算法的分析与比较，采用了主流的非线性跟踪算法，通过对得到的手势图像中的V 分量值的人为设置，消除了在跟踪过程中脸部及其他的类肤色干扰，从而避免了手势跟踪过程中的遮挡问题。最后通过采用隐马尔可夫模型与阈值Max 相结合的方法，实现了对PPT 播放的实时控制。实验结果表明动态手势的识别能够应用到PPT 播放当中，并最终实现了利用动态手势来实时控制PPT 的翻页。实时动态手势的识别及应用可以把我们的双手从鼠标键盘中解放出来，使得人机交互更加自然和人性化，吸引了大批学者的研究与学习，并且在很多方面都得到一定的应用。三星公司在智能电视ES8000中加入了手势控制的功能，用户只需要在屏幕面前挥动下手，就可以通过内置在电视机里面的摄像头对手势进行采集及识别，从而对电视进行从简单到复杂的操作。本文的所要完成的工作是可以利用手势的运动，实时并准确的控制P P T 的播放。研究的内容包括实时动态手势的采集、实时动态手势的图像预处理及分割、实时动态手势的跟踪和实时动态手势的识别及应用等部分。实时动态手势的输入利用摄像头进行采集;在配置有OpenCv2.0 的VS2008 的环境下建立一个动态手势识别及应用的系统; 肤色建模选择对光照强度不敏感的H S V 色彩空间; 利用背景差分和基于HSV 的肤色直方图的结合对动态手势进行分割;动态手势的跟踪采用了非线性的粒子滤波，跟踪的同时获得了手势运动的实时数据，并对轨迹进行了特征提取;动态手势的识别采用了技术发展成熟的隐马尔可夫模型，并对PPT 的播放做了初步的研究，最后对隐马尔可夫模型与手势运动轨迹过程中的阈值Max 相结合的方法进行了探索研究。更多相关阅读
基于Kinect的PPT控制系统研究
在高校中，运用PPT 课件的多媒体教学已经成为一种非常重要的课堂教学活动形式。本文对基于基本输入设备的PPT 控制系统在教学运用中存在的主要问题进行了分析，并简要介绍了Kinect 的基本功能和应用优势。在此基础上，本文详细阐述了，Kinect 有两个3D 深度摄像头和一个RGB 摄像头。左边的深度摄像头发射红外光谱，覆盖整个Kinect 的可视范围;右边的红外线接收器，接收并读取反射散斑，进而创建Kinect 可视范围内的深度图像。中间的RGB 彩色摄像头，拍摄可视范围内的彩色图像，配合3D 摄像头实现Kinect 的图像识别检测操作。Kinect 的下部是一个麦克风阵列，由4 个麦克风组成，用来采集和定位声音，同时帮助过滤背景噪声，使其作为语音识别的命令。Kinect 的底座内置仰角控制马达， 可通过编程控制Kinect 的拍摄角度，使摄像头本体能够看到的范围更广泛。三、基于Kinect 的PPT 控制系统的设计本系统通过使用OpenNI/NITE 平台， 设计并实现Kinect 对手势的获取与识别。目前，OpenNI/NITE 只支持4 种手势，即Wave(挥手)，Click(点)，RaiseHand(举手)，MovingHand(移动手)。在这里设定当用户Click 时，表示翻入“下一页”，当用户“RaiseHand”时，表示翻入“上一页”。具体实现流程。 图2 系统实现流程四、结束语PPT 课件在高校课堂中应用的比重越来越大，以PPT 课件为基础的教学系统中存在的弊端也不容忽视。本文通过Kinect 实现手势控制PPT，对以后针对Kinect的PPT 控制系统的开发和优化有一定的实用和参考价值。更多相关阅读