前言 　　這篇文章是本人玩kinect時做的一個小實驗，即不采用機器學習等類似AI的方法來做簡單的手勢數字識別，當然了，該識別的前提是基於本人前面已提取出手部的博文Robert Walter手部提取代碼的分析的基礎上進行的。由於是純數學形狀上來判別手勢，所以只是做了個簡單的0~5的數字 ...

　　前言 　　本文所設計的類主要是和人體的手部打交道的，與人體的檢測，姿勢校正，骨架跟蹤沒有關系，所以本次類的設計中是在前面的OpenNI+Kinect系列博文基礎上去掉那些與手勢無關的驅動，較小代碼量負擔。類中保留下來有手勢識別，手部跟蹤，以及手部跟蹤的軌跡和多個手部的位置坐標等信息 ...

　　前言 　　本文主要介紹使用OpenNI中的HandsGenerator來完成對人體手部的跟蹤，在前面的文章Kinect+OpenNI學習筆記之5(使用OpenNI自帶的類進行簡單手勢識別)中已經介紹過使用GestureGenerator這個類來完成對幾個簡單手勢的識別，這次介紹的手 ...

　　前言 　　為了減小以后項目的開發效率，本次實驗將OpenNI底層驅動Kinect，OpenCV初步處理OpenNI獲得的原始數據，以及手勢識別中的分割(因為本系統最后是開發手勢識別的)這3個部分的功能單獨做成類，以便以后移植和擴展。其實在前面已經有不少文章涉及到了這3部分的設計，比如說 ...

　　前言 　　在上一篇文章Kinect+OpenNI學習筆記之2(獲取kinect的顏色圖像和深度圖像) 中,已經介紹了怎樣使用OpenNI來獲取Kinect的深度數據和顏色數據,並將獲取到的結果在Qt中顯示，不過那個代碼是寫在同一個cpp文件中，以后用到的時候不能講這些顯示的基本過程單獨 ...

　　前言 　　由於最近要研究kinect采集到的深度信息的一些統計特征，所以必須先對kinect深度信息做進一步的了解。這些了解包括kinect的深度值精度，深度值的具體代表的距離是指哪個距離以及kinect深度和顏色掃描范圍等。經過查找資料可以解決這些問題，並且后面通過實驗也驗證 ...

　　 　　前言 　　手勢識別非常重要的一個特點是要體驗要好，即需要以用戶為核心。而手勢的定位一般在手勢識別過程的前面，在上一篇博文Kinect+OpenNI學習筆記之8(Robert Walter手部提取代碼的分析) 中已經介紹過怎樣獲取手勢區域，且取得了不錯的效果，但是那個手勢部位的提取 ...

像點擊(clicks)是GUI平台的核心，輕點(taps)是觸摸平台的核心那樣，手勢(gestures)是Kinect應用程序的核心 關於手勢的定義的中心在於手勢能夠用來交流，手勢的意義在於講述而不是執行 在人機交互領域，手勢通常被作為傳達一些簡單的指令而不是交流某些事實、描述問題或者陳述 ...