高小梅

摘 要：設(shè)計一款可以通過人體動作對PPT進(jìn)行簡單播放、翻頁、停止等簡單操作的控制系統(tǒng)。該系統(tǒng)主要有外設(shè)和pc機(jī)組成。通過Kinect體感傳感器采集人體姿勢信息，在pc機(jī)中進(jìn)行預(yù)處理、判斷是否符合觸發(fā)條件，在執(zhí)行相應(yīng)的操作。總而言之，本論文就是主要圍繞姿勢識別展開，通過kincet傳感器姿態(tài)采集系統(tǒng)，然后對姿勢進(jìn)行識別最終實現(xiàn)對控制。

關(guān)鍵詞：人機(jī)交互；Kinect傳感器；姿態(tài)識別；PPT控制系統(tǒng)

隨著人機(jī)交互在人們生活中的發(fā)展，大家越來越提出智能化，實現(xiàn)正真的人機(jī)交互。我們致力于研究出，一種全新的操控方式，基于kinect的姿勢控制。通過人的姿態(tài)來控制PPT，可以更直觀，更高效。增強PPT渲染力，說服力。也更符合現(xiàn)代人的需求，隨心所欲更智能化。所選用Kinect體感手勢識別傳感器，其能夠捕捉、跟蹤以及解密人體的動作和手勢，它通過對深度圖像和骨骼圖像的分析實現(xiàn)動態(tài)手勢識別。在骨骼圖像的20個骨點中選取至少2個有效骨骼點，通過追蹤這些骨骼點的位置來實現(xiàn)對手部的追蹤；再通過對手部深度圖像的分析來實現(xiàn)動態(tài)手勢識別。

一、Kinect的簡單介紹

（一）Kinect簡介

Kinect是微軟為其Xbox 360游戲主機(jī)和Windows平臺PC打造的一款運動感知輸入設(shè)備，作為一款體感外設(shè)，它實際上是一個采用全新空間定位技術(shù)（Light Coding）的3D體感攝像頭，利用即時動態(tài)捕捉、影像辨識、麥克風(fēng)輸入、語音辨識、社群互動等功能，允許玩家使用身體姿勢和語音命令通過自然用戶界面技術(shù)與Xbox 360交互，從而完全擺脫了傳統(tǒng)游戲手柄的束縛。

（二） Kinect的主要配置有

RGB攝像頭：為Xbox 360提供紅、綠、藍(lán)三顏色通道，主要作用在于面部識別和動作追蹤；

深度傳感器：深度傳感器有紅外線投影機(jī)加單色CMOS傳感器組成，雖然功能并不復(fù)雜，但它可以讓Xbox 360真正“看到”3D空間，而不是通過計算得出空間數(shù)據(jù)；

多點陣麥克風(fēng)：主要功能是為了聊天以及語音命令識別，并可以幫助過濾環(huán)境噪聲；

定制處理器和微軟的定制軟件：所有硬件都由微軟設(shè)計的軟件控制，商業(yè)目的。

（三）結(jié)構(gòu)

Kinect有三個攝像頭，中間是一個RGB攝像頭，用來獲取640×480的彩色圖像，兩邊是兩個深度傳感器，左側(cè)的是紅外線發(fā)射器，右側(cè)的是紅外線接收器，用來檢測玩家的相對位置。Kinect的兩側(cè)是一組四元麥克風(fēng)陣列，用于聲源定位和語音識別。

（四）kinect for windows SDK 功能介紹

骨骼追蹤：對在Kinect視野范圍內(nèi)移動的一個或兩個人進(jìn)行骨骼追蹤，可以追蹤到人身體上的20個節(jié)點。此外，Kinect還支持更精確的人臉識別。

深度攝像頭：利用“光編碼”技術(shù)，通過深度傳感器獲取到視野內(nèi)的環(huán)境三維位置信息。

音頻處理：與Micorsoft Speech的語音識別API集成，使用一組具有消除噪聲和回波的四元麥克風(fēng)陣列，能夠捕捉到聲源附近有效范圍之內(nèi)的各種信息。

感應(yīng)器：彩色和深度鏡頭，輔助感應(yīng)傾斜驅(qū)動馬，達(dá)完全相容所有Xbox 360裝置。

二、Kinect程序流程

基于Kinect SDK中的API函數(shù)完成kinect解決方案，如下圖所示，主要包括5個部分：初始化，獲取圖像，分析跟蹤狀態(tài)，顯示圖像，以及退出。下面將分別介紹。

Kinect SDK中的API函數(shù)以“Nui”開頭，一般命名為“NuiXXXX”。為了與Kinect SDK中的API函數(shù)區(qū)別，kinect解決方案中的函數(shù)均以“KinectXXXX”命名，內(nèi)部調(diào)用Kinect SDK中的API函數(shù)。

（一）初始化

對應(yīng)KinectNuiInit（）函數(shù)，初始化Kinect設(shè)備，設(shè)置攝像頭仰角，打開顏色流、深度流和骨架流。

（二）獲取圖像

對應(yīng)KinectGetDepthImage（）、KinectColorFrameToImage（）和KinectGetSkeleton（）函數(shù)，從顏色流、深度流和骨架流中獲得數(shù)據(jù)幀，轉(zhuǎn)化為openCV中的IplImage圖像類型。

上面的3個函數(shù)調(diào)用了KinectGetFrame（）、KinectDepthFrameToImage（）和KinectColorFrameToImage（），獲取數(shù)據(jù)幀，并且轉(zhuǎn)化為對應(yīng)圖像類型。

（三）分析跟蹤狀態(tài)

對應(yīng)KinectJudgeTrack（），判斷當(dāng)前的跟蹤狀態(tài)以及控制權(quán)所示情況。

KinectJudgeTrack（）調(diào)用了KinectPointDistance（）和KinectPointHorizontalDistance（），求出兩點之間的距離以及兩點之間的水平距離。

三、演示系統(tǒng)結(jié)構(gòu)

（一）演示框架

本文的虛擬演示系統(tǒng)是通過對骨骼數(shù)據(jù)的追蹤來捕捉人體的動作來控制圖片的移動，放大，縮小，旋轉(zhuǎn)等操作，從而形成一個能與人交互的一個虛擬演示系統(tǒng)，總體結(jié)構(gòu)如下：

圖1 系統(tǒng)操作方案

（二）對骨骼數(shù)據(jù)的追蹤

先定義骨骼點，通過定義的骨骼點確定骨骼位置；再定義一個骨骼狀態(tài)函數(shù)，通過這個骨骼狀態(tài)函數(shù)來捕捉人體的動作，最后通過時間模型來對骨骼數(shù)據(jù)進(jìn)行追蹤。

圖2 骨骼追蹤模式

（三） 圖片操作

通過對骨骼的追蹤，確定到手的位置，然后定義操作的動作來識別是對圖片進(jìn)行什么操作。先獲取圖片的中心位置，然后在進(jìn)行操作。

圖3 圖片操作方案

（四）視頻窗口

定義一個KinectSensor對象用來表示Kinect設(shè)備，定義一個數(shù)組來存放獲取到的圖像數(shù)據(jù)，再通過Loaded方法來來初始化視頻數(shù)據(jù)并接收視頻流，最后利用kinectSensor_ColorFrameReady方法來獲取視頻數(shù)據(jù)并顯示出來。

圖4 數(shù)據(jù)采集結(jié)構(gòu)

（五）預(yù)演示

該方案應(yīng)用體感外設(shè)作為LED全彩屏的手勢輸入終端。設(shè)備通過識別操作者的手勢、動作來實現(xiàn)LED全彩屏的動作。

手勢輸入終端是一種新型的輸入終端，它不同于傳統(tǒng)意義上的輸入終端，比如鍵盤、鼠標(biāo)、游戲手柄等，它通過人體的手勢以及動作將操作指令下達(dá)給設(shè)備。

本方案將體感外設(shè)作為新型的輸入設(shè)備操作LED全彩屏，顛覆了以往LED屏只能顯示無法互動的缺點。改變了以往LED顯示后臺操作的模式，實現(xiàn)了觀眾即是操作者的設(shè)計理念。

通過體感外設(shè)可以準(zhǔn)確將用戶輪廓提取出來，通過輪廓提取用戶動作信息，并對用戶信息進(jìn)行建模。