马少斌，张成文，梁虎金

(1.兰州文理学院 数字媒体学院，甘肃 兰州 730010;2.兰州文理学院 VR技术研发与推广中心，甘肃 兰州 730010)

Kinect[1]是一个具有动态获取、影像辨识、麦克风输入、语音识别等功能的3D体感摄影机.它结合了视觉处理算法和三维定位功能，可以利用摄像头的高分辨率对三维坐标空间中的细微变动进行识别，同时其自带人体骨骼跟踪SDK，可以识别最多6位用户的人体骨骼并对他们进行1080 P的高清视屏录制.Kinect在红外传感器的配合之下，可以在昏暗的背景下精准识别用户动作，有效克服了光照条件对其应用范围的限制.因此，Kinect在教育教学[2]、交互游戏设计、虚拟现实等领域获得了广泛的应用.

Kinect设备提供3种类型的最初数据，即深度数据流、彩色视频流、原始音频数据[3]，可分别应用于骨骼跟踪、动作识别、人脸识别、语音识别等.自古以来，手势是人类交流的重要辅助手段，不同的手势被赋予各种特定的含义，在教学、演讲中，利用这些特定含义的手势来控播课件将会为我们的工作带来极大的便利，因而手势识别逐渐成为人机交互领域的一个研究热点.

基于上述原因，本文在讨论Kinect深度图像及骨骼跟踪的理论基础上，重点研究基于深度图像的手势交互，并进行测试验证，最终应用于AR交互课件中[4].

1 基于深度成像的骨骼跟踪原理

首先，应用Kinect采集并分析深度数据.然后，经过特定处理，将人体目标从环境中提取出来并二值化.最后，以16位二进制数组成后续的……