为了实现遥控机器人，提出了一种手势识别方法。用Kinect传感器获取景深数据，并计算校准值以确定人体的关节点。
几里得距离用于通过将四个位姿的坐标转换为三维来计算连接点之间的不同角度和距离。别结果表明，手势识别操作简单方便，平均识别精度为93％。着信息技术的不断发展，人机交互[1]已成为21世纪人类研究的中心。
着研究的深入，人们已经开始改变主意，也就是说，他们通过手势和手势进行交互。古老的设备是戴着数据手套的人[2]，计算机通过它来获取手的位置和动作。下来是手上的标记，而标识[3]后面是标记。在，人们已经将注意力集中在身体上的人，也就是说，没有设备，也没有校准就可以直接识别人的动作。态识别在当今的快速发展中起着非常重要的作用，本文提出了一种使用Kinect的手势识别方法，该方法要求操作员执行相应的动作。Kinect前面识别它。手势是指人的整个身体的运动或身体的一部分的运动[4]。
年来，计算机输入设备的增长越来越快，尤其是在Microsoft的Kinect体感设备中。着开源代码的出现，用户可以在Kinect平台上进行研究和开发。天，在教育，商业，医学，计算机科学和机器人视觉控制领域已经取得了巨大的成就[5]。
本文中，Kinect用于手势识别。Kinect有三个摄像头：左深度摄像头和右深度摄像头，左侧是红外发射器，右侧是红外接收器。间是一台彩色相机。人们站在Kinect的前面执行各种动作时，计算机将与之交互，从而无需携带任何设备即可执行简单的操作[6]。先，使用Kinect获得彩色图像，该图像相对清晰，但是该图像仅为二维，而深度图像包含三维信息。管深度图的分辨率低于彩色图的分辨率，但Kinect会估算深度位，并通过计算另一个深度来进行记录校准，然后区分身体的不同部位，然后将与图像底部分开以识别人体的20个关节点。后，遵循骨骼要点。人们站在Kinect面前时，他们通过处理景深数据来处理人体关节的坐标[9]。
骼的位置由坐标（x，y，z）表示，并设计坐标系，以Kinect红外摄像机的中心为坐标的原点，Z轴表示光轴。红外热像仪中，Y轴的正轴垂直向上，X轴的一半垂直。左。体手势的识别主要用于确定骨骼点之间的角度和距离。达到某个角度和某个距离时，可以认为已达到姿态标准，并且系统对其进行了处理并对其进行了识别。计算机形成的骨骼图是由铰接点的顺序连接形成的，因此铰接线之间存在一个角度，而铰接点之间存在一个距离，通过角度和距离的计算确定。
主要使用欧几里德距离[10]和余弦理论来实现。几里得距离是m维空间中两点之间的真实距离。了确定左手的抬起位置，使用的关节要点是左肩，左肘和左手腕。能确定三个连接点之间的角度和距离都在某个阈值范围内。1是左手抬起时的关节图。起左手时，将左肩与左肘相连的线与地面平行，而将肩和肘与肘相连的线尽可能接近垂直关系。左腕关节处，在三维坐标处形成一个三角形。断左手和右手的姿势，肩膀，肘部和手腕与地面成180度并与地面平行。抬起左手和右手时，为了确定姿势是否是有效姿势，有必要确定由肘部形成的角度作为顶点的角度。于在实际操作中无法达到垂直方向，因此只要误差在有效范围内就可以。动作范围设置为正负10度，恒温阀芯则阈值为10。
要确定肩膀和肘部的线是否与地面平行且阈值始终等于10。两个条件都满足[11]。左手向前延伸而右手向前时，标准动作应为肩膀，肘部和腕部三个点成一直线，与地面平行，阈值为10，然后确定肘部的手腕线是否与地面平行，则阈值始终为10。足上述两个条件时，将识别此手势。
了识别手势动作，在内部建立了一个基于Kinect的实验平台，该平台在VS2010环境中与Microsoft应用程序平台一起实现。了验证实验的准确性，选择了20个人分别测试上述四个动作：测试人员与Kinect之间的距离约为1.5米，这是最佳距离。
试结果如表1所示。试结果表明，该方法对姿势的识别率较高。势识别可用于控制机器人的运动。别控制左手势和右手势以控制机器人的左，右移动，并分别使用左手和右手来控制进度和停止。移动机器人可用于在灾难现场进行救援并控制清洁工作。算机可以使用虚拟键盘和鼠标手势来控制浏览器等。医疗领域，医生可以感觉到手术的控制。教育界，恒温阀芯手势可用于控制PPT的阅读。业世界可以用于虚拟皮肤[12]。
本文中，Kinect使用欧几里得距离和余弦定理，通过计算不同关节点之间的角度和距离来识别四个不同的姿势。决了传统状态下设备识别的方法，提高了识别率，简化了识别方式。结果具有广阔的应用前景，具有重要的研究价值。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com