1. 研究目的与意义
在人机交互的研究领域里 , 装置、窗口、菜单、图标等传统的交互模式为大家所熟知的方式 , 但随着信息技术的发展它们在操作上的限制就变得愈加明显 ,越来越不能适应人们的需求，人们更期待用自然的方式进行人机交互 , 这种更直接的方式就是所谓的#8220;自然#8221;交互。
自然人机交互能够让人用最轻松最简单的方式和计算机进行交流 , 从而使人们能够更多地关注问题本身 , 而不是繁琐的人机交互，实现人机的自然友好交互。
当前的人机自然交互方式包括语言、姿势、手势等方式 , 通过这些方式从而实现人们控制计算机，此外，在这些方式中姿势是人们日常生活中相对常见的沟通交流方式。
2. 研究内容和预期目标
研究内容：通过Kinect获取的人体手掌的各个关节点的深度信息，实现手势的数据的提取，模式匹配，匹配结果精准度等分析。
关键问题:运用算法实现手势的模式匹配。
写作提纲：本文分为六个部分:第一部分是引言；第二部分实现手势信息样本的提取保存;第三部分DTW等算法实现手势的行为匹配；第四部分结果分析；第五部分算法精准度分析，改进等。
3. 国内外研究现状
在基于人体姿态动作的人机交互中，根据控制对象不同，国内外的相关研究主要有以下三类： 1.移动类机器人的控制：如基于手势的智能轮椅的运动控制、基于人体手臂动作的四旋翼飞行器的运动控制等 2.仿人机器人的控制，由于仿人机器人与人类肢体具有高度的相似性，可以通过人体动作示教，实现仿人机器人上下肢的运动控制，研究内容集中在机器人关节角度映射、整体平衡性问题以及防碰撞等方面 3多自由度机械手臂的控制，在分析人体和机器人差异的基础上，侧重于的关节运动匹配以及控制策略等方面的研究本文将针对一个四自由度机械手臂的仿人运动控制问题展开相关的研究工作。
4. 计划与进度安排
1、2022．11-2022．12 确定课题研究计划，搜集、查阅相关文献资料，了解目前国内外研究动态。
2、2022．12-2022．01 对整体研究课题进行初期规划，然后进行系统性总结；完成课题的开题报告和收集英文专业文献。
3、2022．01-2022．03 初期分阶段Kinect数据的提取，显示的设计；中期完成算法的实现；后期整理数据，完成实验报告。
5. 参考文献
[1] 董珂.基于Kinect的人体行为识别研究[D].武汉科技大学, 2015. [2] 李昕迪,朱国强.基于Kinect的人体姿势识别算法与实现[J].自动化技术与应用, 2016, 35(2):117-121. [3] 郭晓利,杨婷婷,张雅超.基于Kinect深度信息的动态手势识别[J].东北电力大学学报, 2016, 36(2):90-94. [4] 李少波.机器人的人体姿态动作识别与模仿算法[D].上海交通大学,2013 [5] Khoshelham K, Elberink S O. Accuracy and Resolution of Kinect Depth Data for Indoor Mapping Applications[J]. Sensors (Basel, Switzerland), 2012, 12(2):1437-54. [6] Webb J, Ashley J. Beginning Kinect programming with the Microsoft Kinect SDK[M]. Apress, 2012. [7] Catuhe D. Programming with the Kinect for Windows Software Development Kit[M]. Microsoft Press Corp. 2012. [8] Chang C C, Huang Y S. Method for extracting and matching gesture features of image: US, US7068843[P]. 2006. [9] Muda L, Begam M, Elamvazuthi I. Voice Recognition Algorithms using Mel Frequency Cepstral Coefficient (MFCC) and Dynamic Time Warping (DTW) Techniques[J]. Ttps, 2010, 2. [10] Junqua J C, Reaves B, Mak B. A study of endpoint detection algorithms in adverse conditions: Incidence on a DTW and HMM recognize[C]// European Conference on Speech Communication and Technology, Eurospeech 1991, Genova, Italy, September. 1991. [11] 任海兵,祝远新.基于视觉手势识别的研究-综述[J].电子学报,2000, 28(2):118-121. [12] 李清水,方志刚,沈模卫,等.手势识别技术及其在人机交互中的应用[J].人类工效学, 2002, 8(1):27-29. [13] 何超,胡章芳,王艳.一种基于改进DTW算法的动态手势识别方法[J].数字通信,2013, 40(3):21-25.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
