C#基于Kinect的旗语识别系统设计(2)

菜单

4 问题与反思 31

4.1 设计问题 31

4.2 实现问题 32

4.3 总结反思 33

结论 34

致谢 35

引用文献 36

1 绪论

1.1 相关背景

旗语是在一门广泛应用于军事领域的语言, 常见应用在车辆驾驶、装备牵引、门桥渡送等方面。想要开发这类训练模拟器, 必须对旗语动作进行相关的识别, 因此而言，旗语识别技术成了研究的关键技术所在。这一类的技术是利用计算机理解人类手势，进而识别出相关的旗语信号，用以在旗语模拟训练等领域辅助使用。当然在其中，如何来提高识别准确率是这关键问题。

现有的手势识别方法主要包含以下两类：1、基于数据手套的手势识别，2、基于视觉的手势识别方式两类，同时在基于视觉的手势识别方法下，手势分割又有如肤色检测法，增加限制法等方法

Kinect本质是一种3D体感摄影机，是由微软推出，作为XBOX360的外设。它导入了即时社区交互、语音识别、图像处理、捕捉动作、接入麦克风等功能。在Kinect中，玩家可以使用该技术，在游戏中玩球赛，如图1.1所示，与他人交互，和其他Xbox玩家分享生活乐事等等，下图简单列举一些Kinect的应用：

玩家通过Kinect进行足球游戏示意图

图1.1 玩家通过Kinect进行足球游戏示意图

图1.2 玩家控制游戏人物打出保龄球

1.2 算法介绍

手势识别一般包含建模,分割,特征提取,匹配这几个关键技术, 而在手势跟踪则有Camshift算法和粒子滤波算法等。

在前期识别技术中，识别手势主要是通过给手部带上相应的数据手套，由数据手套采集实验者的手部关节数据，然后对数据进行处理和分析，（这里常用的有使用神经网络），在处理最后得出手势的识别结果，并转译成真正的语义。这类方法优点就是有较高的识别率，但是存在的问题是，机械手套昂贵且难以得到推广，同时使用时需要带上额外的机械装置，让人感觉不够自然。

随着技术的推陈出新，计算机视觉技术逐渐代替了数据手套的形式，成为了当今识别技术的主流，而此技术主要采用的是使用摄像头捕捉动作和相关手势，与过去的数据手套技术相比，新的技术让人在使用时更加自在和易用。下面将分别介绍已有的方案：

1、增加限制法

增加限制法的含义是通过让测试者佩戴有特殊颜色的标志物或背景等方式，来限制环境，使得最后可以通过特殊颜色分割的方式来进行。这种方法虽然对于手势自由有一定的限制，但是却能够大幅度地提高采集的精确程度。

2、肤色检测法

肤色检测法的核心内容主要是将图像进行阈值分离，使用肤色检测可以在图像中分离出肤色的区块。而能做到分离的原理，是利用肤色在颜色空间分布的特征，来将图像转换到相应的颜色空间。但是肤色检测有比较大的弊病，主要如下：1、首先不能穿戴其他颜色的手套等，2、不能与肤色颜色相近的位置有所重叠，3、由于肤色检测是直接通过颜色辨认，所以很容易受到复杂背景和光照条件等等诸多因素的影响。