第３９卷第１期２０２３年３月沧州师范学院学报ＪｏｕｒｎａｌｏｆＣａｎｇｚｈｏｕＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＶｏｌ．３９，Ｎｏ．１Ｍａｒ．２０２３基于Ｋｉｎｅｃｔ的人体姿态识别算法研究李国玄，王文博，马凯凯（商丘工学院机械工程学院，河南商丘４７６０００）摘要：针对传统基于视觉的人机交互易受复杂环境影响导致识别率不高等问题，提出了一种基于深度图像和骨骼图像融合的人体姿态识别算法．首先获取骨骼信息，对人体骨骼建模及关节坐标点追踪，采用阈值法对肢体距离和夹角特征进行提取，将人体关节点通过坐标映射至深度图像，提高了关节点定位精度．遵循计算机视觉原理获取深度信息，对人体姿态图像进行采集、形态学处理、特征提取等操作，结合人体姿态动态函数方程，可以正确识别唤醒、举手、旋转、娱乐等常用姿势．采用微软Ｃ＋＋ＭＦＣ搭建开发环境，将获取的关节点进行连接．实验结果表明，在不同光照强度下，基于Ｋｉｎｅｃｔ的人体姿态识别率均达到９５％以上，与传统人体姿态识别方法相比，具有更强的鲁棒性，符合人机交互在各领域的应用需求．关键词：Ｋｉｎｅｃｔ；深度图像；骨骼图像；特征提取；姿态识别中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：２０９５－２９１０（２０２３）０１－００２４－０４人机交互技术作为人与计算机之间数据通信的桥梁，在工业控制、教育教学、游戏娱乐、机器人控制等领域具有广泛的应用．人体姿态识别是人机交互重要的体现形式之一，已成为近几年计算机视觉领域的热点话题［１］．传统的人机交互采用穿戴设备、外设输入、触摸屏等方式控制机器设备的运行．为了进一步提高人机交互的便利性、舒适度及交互效率，科研工作者开始探索新型交互方式，于是人脸识别、手势识别、语音识别、视觉感知等交互方式成为众多高校和科研机构的研究热点．其中，基于人体姿态识别的交互方式能够较好地符合人们的生活习惯，不需要与机器接触，通过视觉设备对肢体动作进行识别，识别结果作为控制指令进一步精确控制外部设备．计算机视觉作为人工智能领域的一个分支，能够模拟人眼功能，在视觉范围内能够判断人体不同姿势，在关联应用技术的理论支持下，将采集到的目标信息转换为数字电子信号形式输出．近年来，计算机视觉的快速发展使得非接触的人机交互应用更加广泛［２］，然而，由于技术原因，在复杂背景、光照强度等因素影响下，现有的技术水平往往不能完全精准地识别人体姿态．基于此问题，本...
