前言 　　這篇文章主要是介紹多個手部的分割，是在前面的博文：不需要骨骼跟蹤的人體手部分割 的基礎上稍加改進的。因為識別有的一個應用場合就是手勢語言識別，而手勢一般都需要人的2只手相配合完成，因此很有必要對人體的多個手部來進行分割。 　實驗說明 　　其實本文 ...

　　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，這次介紹的手部 ...

　　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 　　一般情況下,手勢識別的第一步就是先手勢定位,即手勢所在部位的提取。本文是基於kinect來提取手勢識別的，即先通過kinect找出人體的輪廓，然后定位輪廓中與手部有關的點，在該點的周圍提取出滿足一定要求的區域，對該區域進行濾波后得到的區域就是手部了。然后利用凸包和凹陷的數學 ...

　　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 　　MS的kinec SDK和OpenNI都提供了人體骨骼跟蹤的算法，人體骨骼跟蹤算法在kinect人體行為識別中非常重要，該識別過程通常被用來作為行為識別的第一步，比如說，通過定位人體中的骨骼支架，可以提取出人手的部位，從而可以把手的部分單獨拿出來分析，這樣就達到了手勢的定位 ...

　　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 　　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 ...