1、隨著人機(jī)交互技術(shù)的不斷進(jìn)步,對(duì)該技術(shù)的應(yīng)用領(lǐng)域也越來(lái)越廣。因此,人機(jī)交互所應(yīng)對(duì)的背景也越來(lái)越復(fù)雜。傳統(tǒng)的基于視覺(jué)的人機(jī)交互在光照強(qiáng)烈或黑暗等條件下會(huì)受到諸多干擾,產(chǎn)生不確定性。本文提出的利用深度傳感器進(jìn)行人體姿態(tài)識(shí)別的方案,能夠避免上述問(wèn)題,并通過(guò)人體姿態(tài)控制機(jī)器人的運(yùn)動(dòng),不僅拓寬了機(jī)器人的作業(yè)環(huán)境,也使得機(jī)器人運(yùn)動(dòng)更具智能化。本文采用 Kinect深度傳感器對(duì)人體姿態(tài)識(shí)別及機(jī)器人運(yùn)動(dòng)控制進(jìn)行了研究。
　　首先,闡述了本文研究背景

2、及意義,總結(jié)了人體姿態(tài)識(shí)別技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀,介紹了基于體感設(shè)備的機(jī)器人相關(guān)技術(shù)。
　　其次,介紹了Kinect的軟、硬件系統(tǒng)及Kinect技術(shù)的應(yīng)用,分析了Kinect深度信息的獲取原理和深度信息的變換,并利用中值濾波及背景差分法從復(fù)雜的背景中提取出了人體區(qū)域。
　　然后,闡述了骨架提取的相關(guān)理論,并采用Hilditch細(xì)化算法對(duì)提取出的人體區(qū)域進(jìn)行了骨架化處理,詳細(xì)介紹了特征的表示方式及特征提取的方式。
　　最后