前言 　　这篇文章主要是介绍多个手部的分割，是在前面的博文：不需要骨骼跟踪的人体手部分割 的基础上稍加改进的。因为识别有的一个应用场合就是手势语言识别，而手势一般都需要人的2只手相配合完成，因此很有必要对人体的多个手部来进行分割。 　实验说明 　　其实本文 ...

　　前言 　　本文主要介绍使用OpenNI中的HandsGenerator来完成对人体手部的跟踪，在前面的文章Kinect+OpenNI学习笔记之5(使用OpenNI自带的类进行简单手势识别)中已经介绍过使用GestureGenerator这个类来完成对几个简单手势的识别，这次介绍的手部 ...

　　前言 　　为了减小以后项目的开发效率，本次实验将OpenNI底层驱动Kinect，OpenCV初步处理OpenNI获得的原始数据，以及手势识别中的分割(因为本系统最后是开发手势识别的)这3个部分的功能单独做成类，以便以后移植和扩展。其实在前面已经有不少文章涉及到了这3部分的设计，比如说 ...

　　前言 　　一般情况下,手势识别的第一步就是先手势定位,即手势所在部位的提取。本文是基于kinect来提取手势识别的，即先通过kinect找出人体的轮廓，然后定位轮廓中与手部有关的点，在该点的周围提取出满足一定要求的区域，对该区域进行滤波后得到的区域就是手部了。然后利用凸包和凹陷的数学 ...

　　前言 　　本文所设计的类主要是和人体的手部打交道的，与人体的检测，姿势校正，骨架跟踪没有关系，所以本次类的设计中是在前面的OpenNI+Kinect系列博文基础上去掉那些与手势无关的驱动，较小代码量负担。类中保留下来有手势识别，手部跟踪，以及手部跟踪的轨迹和多个手部的位置坐标等信息 ...

　　前言 　　MS的kinec SDK和OpenNI都提供了人体骨骼跟踪的算法，人体骨骼跟踪算法在kinect人体行为识别中非常重要，该识别过程通常被用来作为行为识别的第一步，比如说，通过定位人体中的骨骼支架，可以提取出人手的部位，从而可以把手的部分单独拿出来分析，这样就达到了手势的定位 ...

　　前言 　　由于最近要研究kinect采集到的深度信息的一些统计特征，所以必须先对kinect深度信息做进一步的了解。这些了解包括kinect的深度值精度，深度值的具体代表的距离是指哪个距离以及kinect深度和颜色扫描范围等。经过查找资料可以解决这些问题，并且后面通过实验也验证 ...

　　前言 　　这篇文章是本人玩kinect时做的一个小实验，即不采用机器学习等类似AI的方法来做简单的手势数字识别，当然了，该识别的前提是基于本人前面已提取出手部的博文Robert Walter手部提取代码的分析的基础上进行的。由于是纯数学形状上来判别手势，所以只是做了个简单的0~5的数字 ...