随着智能化的发展,智能产品作为交互客体被不断要求去主动适应用户的习惯。然而,仅仅通过一些简单的键盘、鼠标、触摸屏等传统方式越来越难满足自然交互的要求,人们亟待开发出更加直接且自然的交互方式。本文提出了一种基于Kinect的非接触式的交互方式,以交通警察指挥交通的动作为研究对象,分别对人体静态三维动作识别技术和人体动态三维动作识别技术进行了研究。人体静态三维动作是对单帧图像中的人体动作进行识别分类,一般包括三个步骤:动作数据信息获取、动作特征提取、动作识别分类。通过采集动作数据和构造动作描述特征后,使用选择模型融合的方式将决策树和SVM进行模型融合对静态动作进行识别分类。动态三维动作可以看作是一系列静态三维动作组成的序列。通过采集动作序列数据和构造动作描述特征后,使用改进的BP神经网络完成了识别分类。本文的主要工作如下:(1)提出了基于Kinect的三维动作识别的交互方式。本文详细介绍了Kinect体感设备实现交互的工作原理,主要包括深度图像的采集技术以及骨骼跟踪技术。通过Kinect能够直接捕捉到人体骨骼的25个关节点,这为动作识别分类中构造动作描述特征提供了重要的基础。同时也将采集人体动作数据的数据量从像素级降低到了骨骼关节点级。(2)研究静态三维动作识别的相关算法。选择14组人体结构向量之间的角度信息和6组关键人体结构向量之间的模的比值作为动作描述特征。然后分别使用决策树和SVM对静态三维动作进行分类识别。最后通过线性加权融合的方式,选取合适的融合系数,使得平均识别准确率有所提高。(3)研究动态三维动作识别的相关算法。选择一系列的静态动作描述特征组成动态动作描述特征。另外,在使用BP神经网络进行识别分类的基础上,提出了一种结果驱动的层次BP神经网络算法,主要是将复杂的、区分度不大的动作利用一个新的网络进行再次识别分类。实验结果表明,使用改进的BP神经网络具有更佳的平均识别准确率。