体感技术让身体会说话

正体感技术和体感设备带动移动医疗大发展,这将促进传统保健医疗方式走向智能化体感技术的快速发展,令各式"体感"设备不断推陈出新:经典的产品有任天堂的Wii等,新产品中,微软新一代的Kinect堪称一个代表。据悉,这款即将推出的Kinect可在1.2米以外探测并监控人体心率,通过探测血液流动带来的肤色变化来确定血液流动速度,进而据此计算出心率。体感技术本来是用于游戏机的,以微软为代表的大公司把这项技术转型应用于医疗保健行业,代表了当今高科技产品为人类健康所作的努力与尝试。     

基于手势识别的虚拟环境体感交互控制

结合体感交互与虚拟环境技术,提出了一种基于手势识别的虚拟环境体感交互方法,采用Kinect体感设备,实时获取用户的手势数据,通过改进的动态时间规整算法,对所定义的手势语义进行识别,并根据识别结果,发出实时控制指令,实现与虚拟环境的自然交互.在此基础上,实现了基于Kinect手势识别的虚拟矿井交互系统,对交互方法进行测试.实验测试结果表明,手势识别正确率平均高达95.1%,实时性较好,所定义的虚拟矿井手势语义符合人们正常操作习惯,能实现与虚拟环境更加自然的人机交互,可以实现与虚拟矿井自然交互控制.     

基于Kinect体感识别技术的研究与实现

Kinect作为一个体感周边外设,不仅改变了用户的娱乐体验,更为用户与机器的交互提供了全新的方式。本论述将介绍以Kinect作为用户交互界面的姿势控制飞机漫游系统,该系统将Kinect的交互特性应用到漫游系统中,显著的增强了用户体验。通过本系统的开发,将对基于Kinect的拓展应用进行一次完整实践,对基于Kinect拓展应用的发展起到积极的作用。     

Kinect体感交互技术在老人下肢康复产品中的应用——以膝盖康复为例

针对目前老人下肢康复产品存在的问题,以Kinect体感交互技术的运动性、趣味性和可拓展性为基础,结合老年人的下肢康复特点,提出提高康复效果和产品可用性的交互设计构架。以膝盖康复产品为例,应用Kinect体感交互技术提出具体设计方案,为老人下肢康复产品的体感交互设计提供参照。     

全息投影和体感交互在实践教学中的应用

传统的高校实践课程受到教学设备和教学场地等因素影响,教学效果较难全面把控。将虚拟现实引入实践教学中,结合全息投影与体感交互技术,以工业设备中的水泵为例,搭建了基于全息投影的虚拟水泵教学系统,嵌入了Kinect体感交互设备,实现了手势交互的虚拟教学场景切换功能。实践证明,该系统在实践教学过程中能部分解决由于场地限制导致学习效率低的问题。     

基于Kinect的MoCA康复认知评估系统设计

提出一种基于Kinect的MoCA康复认知评估系统的解决方案.利用Kinect体感传感器的骨骼追踪、手势识别与语音识别技术,并通过虚拟现实平台实现评估功能,可以使认知障碍患者在社区或家庭中进行康复评估和个性化训练,使其能够早日康复和重返社会.     

基于Kinect 的康复训练系统设计与研究

针对运动功能障碍患者的康复训练需求,在使用Kinect 设备提取人体骨架拓扑结构的基础上,提出了一 种基于关节点角度序列提取人体运动特征的动作模型,并设计了一种基于Kinect 体感相机的康复训练系统。 该系统利用Kinect 设备实时采集人体骨骼数据,计算特征关节点间的角度,形成关节角度变化序列。利用动态 时间规整算法( DTW: Dynamic Time Warping ) 比较被测角度序列与动作库的标准动作序列的相似度,判断动作 是否标准并输出评估结果。该系统具有使用便捷、成本低的特点,提高了训练过程的趣味性。测试结果表明, 该系统通过人机交互实现了对运动障碍患者的康复训练指导,对康复训练过程具有积极影响。     

体感技术现状和发展研究

介绍了人机交互技术的基本概念和发展现状,论述了新型自然交互技术在教育的应用.并在此基础上,以体感技术中的Kinect为例,详细叙述了Kinect在教育以及相关领域中的研究现状,以及如何使用Kinect的深度数据、骨骼追踪的算法来开展教育应用.     

面向手语自动翻译的基于Kinect的手势识别

提出了一种基于3D体感摄像机Kinect设备实现面向手语自动翻译的手势识别方法,利用Kinect体感外设提供的深度图像实现手的检测,并通过OpenNI+NITE框架中函数获得手掌质心在三维空间中的位置,然后通过等值线追踪算法(又称围线追踪算法)和三点定位算法识别出手指实现了手势跟踪,最后通过矢量匹配方法识别手指名字,并设计了三层分类器来实现静态手势语的识别.相较于传统的基于数据手套和单目摄像机的方法,本方法识别的更准确.基于上述方法,实现了一个手势识别系统.实验结果显示,本文提出的方法更加简洁且行之有效.     

基于手势识别的大屏幕文字输入系统

目前基于手势交互的系统应用越来越多,但都是简单的利用手势操作鼠标进行交互,没有向系统进行文字输入的功能。利用盲人字母手势作为输入手势,采用微软的体感设备Kinect获取深度图像,对其进行手势分割,再利用SIFT提取特征,得到手势字母,利用拼音输入法,提供了一种向系统输入汉字的功能。