基于Kinect的手勢識別及在虛擬裝配技術(shù)中的應(yīng)用

陳艷艷，陳正鳴，2，周小芹，2

（1.河海大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 常州 213022；2.江蘇省輸配電裝備技術(shù)重點實驗室 江蘇 常州 213022）

基于視覺的手勢識別，是通過視頻圖像信息獲取人的手勢姿態(tài)，對其進行分類識別的一種人機交互技術(shù)。它作為一門新興的技術(shù)，近年來受到了眾多國內(nèi)外學(xué)者的關(guān)注。Kinect是微軟公司推出的XBox 360的外接體感設(shè)備，以其深度數(shù)據(jù)的獲取特點，成為手勢輸入設(shè)備的重點研究對象[1]。開源軟件OpenNI（開放式自然交互）能夠方便的訪問和使用Kinect設(shè)備，但它只提供了基于手點的4種手勢，微軟的開發(fā)包中還沒有集成手勢引擎，這就需要根據(jù)實際需要開發(fā)手勢識別引擎。

以人手的自然行為觸發(fā)三維交互的相關(guān)研究在虛擬現(xiàn)實領(lǐng)域有著重要的理論價值和應(yīng)用價值[2]?；谔摂M現(xiàn)實技術(shù)的虛擬裝配系統(tǒng)是一個沉浸式或半沉浸式的虛擬環(huán)境，為解決產(chǎn)品的裝配問題提供了一個低成本的快速手段[3]。目前，對于裝配手段多采取數(shù)據(jù)手套[4]方式，但數(shù)據(jù)手套價格比較昂貴，設(shè)備繁重。而Kinect相對低廉，人手在操作時也更加自然方便。文中由此提出了基于Kinect的手勢識別方法，用多個指尖的相對運動代替整只手，來完成虛擬裝配過程。針對虛擬裝配系統(tǒng)，設(shè)計了選取、移動、旋轉(zhuǎn)和縮放等手勢，以滿足裝配過程中的基本操作，并對Virtools裝配環(huán)境中的關(guān)鍵問題作了說明。

1 手勢識別系統(tǒng)

目前，OpenNI支持的手勢過于簡單，不能完全滿足裝配需求，因此本文開發(fā)了針對裝配操作所需的幾種手勢，可以有效實現(xiàn)裝配過程中的基本操作。手勢識別系統(tǒng)框架如圖1所示。

圖1 手勢識別系統(tǒng)框架圖Fig.1 Structure diagram of the gesture regnization system

首先，通過Kinect獲取深度圖像的數(shù)據(jù)流，系統(tǒng)根據(jù)手勢的深度位置分割出手勢，得到手勢的二值圖像；其次，根據(jù)指尖特征，分割出指尖并有效跟蹤目標(biāo)的形變和運動；再次，根據(jù)手勢特征進行分析，生成模型參數(shù)，根據(jù)模型參數(shù)對手勢進行分類并按需要定義交互語義；最后，系統(tǒng)根據(jù)交互語義去驅(qū)動手勢裝配物體。

1.1 手勢圖像的采集與分割

Kinect采集到的深度信息保存在一個二維數(shù)組中，數(shù)組中的每一個元素表示該位置的深度像素點對應(yīng)的實際物體的點到Kinect的距離，單位為mm。利用深度信息，將人手所在深度范圍的圖像提取出來。首先獲得Kinect的深度圖，利用Nite[5]模塊跟蹤手點位置，如圖2（a）所示。在跟蹤到手點位置后，根據(jù)手點的深度值做閾值截取，分割出到手的深度圖。為了顯示效果，對深度圖中的手勢區(qū)域與背景區(qū)域作二值化處理，利用輪廓檢測，提取手勢的最外層輪廓，實現(xiàn)手勢分割。其次，考慮到手的擺放角度不一定正對攝像頭，手臂就可能顯示出來，因此利用以手點為中心的包圍盒，來截取手區(qū)域部分。如圖2（b）所示。

1.2 指尖檢測與跟蹤

想要滿足裝配操作的需求，僅僅一個手點顯然不夠，而指尖是手勢識別中最為常用的特征點。目前，指尖檢測算法中，模板匹配和輪廓曲率分析兩種方法應(yīng)用較為普遍。但模版匹配方法必須遍歷圖像而導(dǎo)致實時效率不高，曲率分析對精度要求較高而使檢測指尖效果不理想[6]。從Kinect手勢分割結(jié)果來看，發(fā)現(xiàn)與手掌區(qū)域相比，手指比較細(xì)長，考慮基于形狀的方法比較合適，并且在形態(tài)學(xué)操作下，手指區(qū)域較易剔除，因此本文利用此特征對指尖進行檢測。

首先，記錄根據(jù)分割算法得到的手區(qū)域Hand；其次，對手圖像進行膨脹 （dilate）操作后對其做連續(xù)十次的腐蝕（erode）操作；再次，根據(jù)手掌面積不小于50來確定dilate次數(shù)，分割出手掌區(qū)域Palm，如圖2（c）。手指部分Finger由公式Finger=Hand-Palm得到，指尖位置則利用指尖距離手心點較遠(yuǎn)的這一特征進行提取，如圖2（d）所示。

圖2 指尖特征提取過程圖Fig.2 Diagrams of fingertip festure extraction process

1.3 Kalman濾波

由于手在運動過程中會有一些變化，Kinect攝像頭也會產(chǎn)生噪聲，使得對指尖的三維位置不能穩(wěn)定地跟蹤。通過Kalman濾波，用前幀指尖位置預(yù)測下幀的指尖位置，根據(jù)預(yù)測位置將指尖區(qū)域設(shè)置為圖像的感興趣區(qū)域（ROI，Region of interest），有效提高分割速度。跟蹤過程為：

1）利用Kalman濾波器預(yù)測當(dāng)前幀的指尖位置，設(shè)置ROI區(qū)域是以預(yù)測指尖點為中心，大小為80×80的窗口。

2）目標(biāo)匹配。在連續(xù)兩幀中，指尖運動假定為勻速，則Kalman濾波器的狀態(tài)向量為

式中X（t），Y（t），Z（t）是指尖在 三維中的坐標(biāo)位 置，Vx（t），Vy（t），Vz（t）是指在每一幀中指尖點的速度，則狀態(tài)方程和觀測方程分別為

根據(jù)鉆孔抽水試驗資料，含煤地層地下水位整體呈北部高，最南部高，中間低的趨勢(圖5)，含煤地層地下水主要從北部自東西兩側(cè)向中間匯集再流向南部，同時最南部水位也較高，地下水自最南部流向水位最低處。地下水徑流特征有利于煤層氣自東西向中部聚集，自南北向中部富集，與井田煤層氣的分布特征基本吻合。鉆孔單位涌水量0.003 2～28.070 0 mL/(s·m)，富水性極弱，起到水力封閉和封堵的作用，是8號煤層在整個井田煤層含氣量均較高，平均達(dá)到18.6m3/t的重要原因。

其中，wt是過程噪聲，具有高斯分布；vk是測量誤差，F(xiàn)為狀態(tài)轉(zhuǎn)化矩陣，H為觀測矩陣。

由此，通過指尖在t幀之前的位置來預(yù)測它在t幀時刻的位置。但Kinect本身存在局限性，有時會出現(xiàn)很大誤差，導(dǎo)致指尖出現(xiàn)抖動。為防止預(yù)測與指尖的實際位置相差太大，利用Nite手點與指尖深度相差不大的先驗知識，可設(shè)定指尖深度在直徑為手長的手點深度范圍內(nèi)。

3）更新Kalman濾波狀態(tài)，用匹配好的指尖位置作為下一幀的預(yù)測值來更新Kalman濾波狀態(tài)，達(dá)到穩(wěn)定跟蹤的目的。

1.4 手勢分析與交互語義的描述

手勢的表觀特征包括手指數(shù)、手指的指尖點、指根點以及指間的夾角等具有標(biāo)志性的信息，通過指尖檢測得到多個指尖。利用指尖個數(shù)狀態(tài)、指尖向量和手指相對運動軌跡來劃分手勢類型，并根據(jù)不同場景中的具體應(yīng)用進行交互語義的描述。虛擬裝配過程中的物體操縱主要包括對物體的選取、移動、旋轉(zhuǎn)、放縮和釋放等操作。

1）選?。⊿elect）：當(dāng)手心點在物體的包圍盒內(nèi)時，定義一個手指狀態(tài)為選取操作，選中的物體就可以做旋轉(zhuǎn)或縮放動作了。

2）旋轉(zhuǎn)（Rotate）：當(dāng)物體為選取狀態(tài)時，再將大拇指伸出，此時識別出兩指尖與手心3個手點位置，將三點所構(gòu)平面近似為手掌平面。定義手掌旋轉(zhuǎn)手勢為旋轉(zhuǎn)動作，旋轉(zhuǎn)軸為兩指尖點間的向量V，旋轉(zhuǎn)角度為旋轉(zhuǎn)過程中的平面法向Vt與初始平面法向V的角度Angle。

3）放縮（Scale）：當(dāng)物體為選取狀態(tài)時，指尖個數(shù)為3~5，當(dāng)至少兩個指尖點與手點的距離都減小/增大時，取每個指尖點與手點放縮距離的平均值為放縮程度，即定義手握拳與張開動作為放縮動作。

4）移動（Move）：當(dāng)手心點在物體包圍盒內(nèi)并且含大拇指在內(nèi)的兩只手指的指尖距離在70之內(nèi)時，定義此手勢為抓取移動狀態(tài)，抓取到的物體隨手的移動而移動。

2 手勢在Virtools虛擬裝配平臺下的應(yīng)用

Virtools是一套具備豐富的互動行為模塊的實時三維環(huán)境虛擬實境編輯軟件，引入插件式模塊化的開發(fā)技術(shù)，所有功能以功能塊（Building Block，BB）的形式存在，每個BB實現(xiàn)一個特定的功能，多種BB組合完成各種功能。本文通過開發(fā)面向Kinect設(shè)備的插件，封裝手勢BB，在Virtools下完成手勢操控。

2.1 Kinect插件結(jié)構(gòu)設(shè)計

Virtools的架構(gòu)中，CK2是最核心的部分，定義了所有行為準(zhǔn)則，用來組織和管理其他模塊。為了在Virtools中獲取Kinect的數(shù)據(jù)和手勢信息設(shè)計了手勢插件。該插件中包括手勢封裝，Kinect管理器和Kinect BB，如圖3所示。其中，手勢封裝模塊是將手勢識別中所有方法封裝在一起；Kinect管理器用來獲取使用Kinect設(shè)備的能力；Kinect BB模塊實現(xiàn)插件的功能。

圖3 手勢插件結(jié)構(gòu)圖Fig.3 Diagram of gesture plug structure

2.2 Kinect管理器設(shè)計

管理器是Virtools中除BB外最重要的模塊，用來封裝所有的使用方法。設(shè)計Kinect管理器封裝相關(guān)的手勢偵測和跟蹤算法，并進行管理器注冊，得到處理Kinect的能力，從而讀取Kinect設(shè)備提供的手勢信息，實現(xiàn)手勢跟蹤及偵測功能。虛擬裝配交互流程框圖如圖4所示。

圖4 虛擬裝配手勢交互流程框圖Fig.4 Flow chart the virtual assembly of gesture interaction design

在Kinect管理器中創(chuàng)建手心節(jié)點和指尖節(jié)點完成事件的驅(qū)動。當(dāng)用戶舉起手，系統(tǒng)識別出RaiseHand手勢后，開始跟蹤手點和手指位置。用戶伸出一只手指，將手平移至所需物體上進行Select操作，若手心點在物體包圍盒內(nèi)時，物體為選中狀態(tài)，與手固定為一體；若沒選中，則繼續(xù)Select操作。用戶通過展示不同手勢，觸發(fā)對虛擬物體相應(yīng)的操作，并更新相應(yīng)的狀態(tài)信息。管理器只是定義抽象的操作，具體情況要在BB中完成。

2.3 Kinect BB設(shè)計

手勢與場景交互需要多個BB協(xié)同工作，Kinect BB是最核心的部分。它提供給其他相關(guān)BB實時更新的手心和指尖位置信息，手的狀態(tài)信息，自定義手勢及手勢相關(guān)參數(shù)。

如圖5所示，在輸出參數(shù)引腳中，手心位置：（ScreenX，ScreenY，ScreenZ），Depth指示其世界坐標(biāo)的Z值；三個指尖位置：（f1 X，f1 Y，f1 Z），（f2 X，f2 Y，f2 Z），（f3 X，f3 Y，f3 Z）；HandCreate、HandUpdate和HandDestroy指示手的狀態(tài)；Raxis和Rangle指示旋轉(zhuǎn)軸和旋轉(zhuǎn)角度；Distance指示放縮程度；其余引腳指示不同手勢。

圖5 Kinect BBFig.5 Kinect BB design

3 Kinect插件的應(yīng)用實例

3.1 手勢與場景交互的流程設(shè)計

本系統(tǒng)所設(shè)計的手勢運用于整個場景中，因此手勢與場景的交互操作在Level層中設(shè)計完成。圖6所示即為實時交互設(shè)計的BB程序圖。

圖6 手勢與場景交互BB圖Fig.6 The BBs of Gesture and scene interaction design

其中，Hand State BB用來指示手的狀態(tài)，Handpoint3D BB用來指示手心點的坐標(biāo)，F(xiàn)inger1、Finger2、Finger3 BB指示指尖位置信息，Move、Rotate、Scale BB將實現(xiàn)具體的裝配操作，而Kinect BB將所有參數(shù)以輸出引腳形式傳入各個相關(guān)BB。當(dāng)Kinect在Virtools中被激活后，首先傳入手心與指尖位 置 坐 標(biāo) 于Handpoint3D、Finger1、Finger2和Finger3 BB，Hand State BB更改手狀態(tài)，然后用Select觸發(fā)Select 3D BB進行選取并保持激活狀態(tài)，最后用不同手勢激發(fā)相應(yīng)BB，根據(jù)BB中傳入的參數(shù)，物體進行相應(yīng)的操作。

3.2 實例應(yīng)用

本系統(tǒng)以Virtools為三維空間顯示平臺，利用Virtools SDK，VSL，OpenNI及中間件Nite的程序開發(fā)包以及OpenCV的圖像處理函數(shù)庫，在Windows XP環(huán)境下采用面向?qū)ο蠹夹g(shù)以Microsoft Visual Studio 2010為開發(fā)工具，設(shè)計并完成了手勢操控相關(guān)BB的編輯，結(jié)合Virtools自帶的BB，成功實現(xiàn)了手勢在虛擬裝配中的交互控制。

圖7描述了不同手勢交替工作，共同完成虛擬裝配的過程。首先，將3DS Max中創(chuàng)建的模型、貼圖等轉(zhuǎn)化為Virtools的場景文件，導(dǎo)入到Virtools中。然后，用戶通過舉手動作觸發(fā)RaiseHand手勢。若觸發(fā)成功，找到手位置，用中間的小黃手表示。Select手勢用于選取所需零件，Move、Rotate及Scale手勢則分別完成零件的平移、旋轉(zhuǎn)和放縮操作，如圖7（a）、（b）、（c）、（d）所示。

圖7 手勢操控虛擬裝配過程實例Fig.7 Example of gesture control virtual assembly process

4 結(jié)束語

本文在Kinect只有一個手點的基礎(chǔ)上，利用數(shù)學(xué)形態(tài)學(xué)方法檢測出多個指尖，并用Kalman濾波器進行穩(wěn)定跟蹤，滿足交互過程中的實時性要求。根據(jù)裝配需求，基于多指尖特征設(shè)計了多種手勢并定義了有效的交互語義，有效提高了裝配的精確性。以Virtools為虛擬裝配開發(fā)平臺，將Kinect中的手勢及位置參數(shù)信息封裝成一個插件，實現(xiàn)了Virtools與Kinect的實時通信。實驗證明，基于Kinect的三維手勢在虛擬裝配技術(shù)中，具有良好的識別效果，能夠滿足復(fù)雜裝配環(huán)境的要求。Virtools與Kinect的結(jié)合也對虛擬現(xiàn)實技術(shù)的應(yīng)用具有重要的推廣作用。

[1]BISWAS K K.Gesture recognition using microsoft kinect[J].Proceedings of the 5th International Conference on Automation，Robotics and Applications，2011：100－103.

[2]郭康德，張明敏.基于視覺技術(shù)的三維指尖跟蹤算法[J].計算機研究與發(fā)展，2010，47（6）：1013－1019.GUO Kang-de，ZHANG Ming-min.3D fingertip tracking algorithm based on computer vision[J].Journal of Computer Research and Development，2010，47（6）：1013－1019.

[3]劉江省，姚英學(xué).虛擬裝配中基于數(shù)據(jù)手套的虛擬操作研究[J].系統(tǒng)仿真學(xué)報，2004，16（8）：1744－1747.LIU Jiang-sheng，YAO Ying-xue.Virtual manipulation based on data glove in virtual assembly[J].Journal of System Simulation，2004，16（8）：1744－1747.

[4]朱英杰，李淳芃.沉浸式虛擬裝配中物體交互特征建模方法研究[J].計算機研究與發(fā)展，2011，48（7）：1298－1306.ZHU Ying-jie，LI Chun-peng.Interaction feature modeling of virtual object in immersive virtual assembly[J].Journal of Computer Research and Development，2011，48（7）：1298－1306.

[5]Prime Sensor NITE 1.3 Algorithms notes[EB/LO].[2010－09－08].http：//www.primesense.com/nite.

[6]湯勇，顧宏斌.交互系統(tǒng)中實時手勢分割及指尖檢測方法[J].光電工程，2010，37（7）：145－149.TANG Yong，GU Hong-bin.Real-time hand segmentation and fingertip detection for interaction[J].Opto-Electronic Engineering，2010，37（7）：145－149.