10、基于Kinect的手势识别在医学可视化中的应用

基于Kinect的手势识别在医学可视化中的应用

1. 系统概述

在进行用户手指手势识别之前，系统需要执行一系列预处理步骤，以确保能够正确工作。整体的手势识别流程包括手部分割、指尖识别、手势识别等环节，最终实现与3D心脏可视化的交互。

2. 手部处理流程

• 手部分割
  • 系统完成手部分割后，从Kinect传感器提取深度数据，经过处理后执行分割操作，目的是将手部图像从背景图像中分离出来。
  • 设置深度范围为0.5 - 0.8米，这是分割过程的最佳距离，系统会存储该范围内的所有深度像素用于后续处理。
  • 使用K - means聚类算法将所有像素分区并分类为两组手部像素数据，之后使用Graham Scan和改进的Moore - 邻居跟踪算法计算手部轮廓。
• 指尖识别
  • 首先使用轮廓跟踪算法扫描用户手部周围的所有像素，直到检测到手部轮廓。
  • 检测手部中心（手掌），这对于判断用户手部是张开还是闭合状态以及手指是否弯曲很重要。
  • 使用三点对齐算法检测用户指尖，数据像素来自凸包和手部轮廓数据像素。成功检测到指尖后，计算指尖总数，Kinect识别手势命令以与3D心脏可视化进行交互。
• 手势识别
  • 所有先前的处理步骤必须成功完成，才能指定用户做出的手势。
  • 开发的手势独特，通