OpenCV在体感遥控中的应用
OpenCV在产品特征检测系统中的应用
OpenCV在产品特征检测系统中的应用1. 目标检测：OpenCV提供了一些经典的目标检测算法，如Haar特征检测器、HOG-SVM等，可以用于识别和定位图像或视频中的特定目标。
这在产品特征检测系统中特别有用，可以通过识别和跟踪目标，实现自动化的特征检测。
2. 图像分割：OpenCV中的分割算法（如GrabCut算法）可以将图像分割为多个子区域，从而更好地理解图像内容。
在产品特征检测系统中，图像分割可以用于提取感兴趣的特征区域，并进行后续的分析和检测工作。
4. 图像配准：OpenCV中的图像配准算法可以将多幅图像对齐，消除由于旋转、平移、缩放等因素引起的变形。
在产品特征检测系统中，图像配准可以用于对比产品图像，检测出产品的位置和姿态。
5. 运动检测：OpenCV提供了运动检测算法，可以检测图像或视频中的运动目标。
在产品特征检测系统中，运动检测可以用于监控产品的运动状态，例如检测机器人的移动轨迹或工件的运动情况。
6. 人脸识别：OpenCV中的人脸识别算法可以检测和识别图像或视频中的人脸。
在产品特征检测系统中，人脸识别可以用于检测和认证用户的身份，以及实现人脸相关的产品特征定制。
7. 三维视觉：OpenCV提供了一些三维视觉算法，如立体匹配、摄像机标定等，可以从多个视角获取的图像数据中恢复出三维场景。
在产品特征检测系统中，三维视觉可以用于测量产品尺寸和形状，进行质量评估等工作。
总而言之，OpenCV在产品特征检测系统中的应用非常广泛，可以用于目标检测、图像分割、特征提取和描述、图像配准、运动检测、人脸识别、三维视觉等多个方面。
通过利用OpenCV提供的功能和算法，可以实现自动化的特征检测和分析，提高产品质量和效率。
opencv库用法
opencv库用法
OpenCV是计算机视觉中常用的专用库，支持多语言和跨平台操作。
其在Python中的使用方法如下：
1. 导入OpenCV模块：使用`import cv2`命令。
2. 加载图片：使用`cv2.imread()`函数读取图片。
参数为1时表示加载彩色图片，参数为0时表示加载黑白图片。
3. 查看图片形状和分辨率：使用`shape`子函数输出图片的形状。
4. 显示图片：使用`cv2.imshow()`函数显示图片，参数分别为图片名称和图片对象。
OpenCV还可以用于操作摄像头、调节参数和录制视频等操作。
如果你想要了解更多关于OpenCV的用法，可以查阅相关文档或搜索相关教程。
基于Unity3D的体感游戏设计与实现
基于Unity3D的体感游戏设计与实现
斯琴;侯建峰
【期刊名称】《计算机科学与应用》
【年(卷),期】2016(006)008
【摘要】本文利用Unity这款跨平台的游戏开发引擎,结合Kinect可获取人体骨骼数据的设备,设计并实现了一款切水果体感游戏。
在界面设计部分,借助Unity3D 平台规划了游戏的主体框架,实现了游戏主要模块的功能。
在体感技术方面,使用Kinect的摄像机获取现实场景作为游戏背景,使用Kinect获取玩家骨骼数据,通过程序对骨骼数据的分析,实现了人机交互所需的体感动作。
【总页数】7页(P492-497)
【作者】斯琴;侯建峰
【作者单位】[1]北方工业大学计算机学院,北京;;[1]北方工业大学计算机学院,北京【正文语种】中文
【中图分类】TP39
【相关文献】
1.基于Leap Motion和Unity3D的体感游戏开发与集成 [J], 袁田琛;胡新荣;赵俭辉
2.基于Unity3D与VR头盔的虚拟现实体感游戏开发 [J], 张阳;杨长强;郑慧平
3.基于unity3D AR体感游戏的设计与实现 [J], 王涛
4.基于Unity3D与VR头盔的虚拟现实体感游戏开发 [J], 张阳;杨长强;郑慧平
5.基于Unity3D和AR技术的体感游戏设计与实现 [J], 张冬兰
因版权原因，仅展示原文概要，查看原文内容请购买。
opencv在动作捕捉中的运用
opencv在动作捕捉中的运用哎呀，说到OpenCV在动作捕捉中的运用，我可真是有一肚子的话要说。
你知道吗，这玩意儿简直就是科技界的魔术师，能把一堆冷冰冰的代码变成活生生的动作。
我记得有一次，我们团队搞了个项目，要用OpenCV来捕捉演员的动作，然后实时生成3D模型。
那场面，真是让人大开眼界。
那天，我们把演员请到工作室，他穿了一身特制的紧身衣，上面贴满了反光点。
这些点就是OpenCV的"眼睛"，能捕捉到每一个细微的动作。
我站在控制台前，看着屏幕上那些密密麻麻的点，心里直犯嘀咕：这玩意儿真能行吗？"老张，你确定这东西靠谱？"我忍不住问旁边的老张，他可是我们团队的技术大拿。
老张推了推眼镜，笑得一脸神秘："放心吧，这可是OpenCV，没问题的。
"果然，随着演员的动作，屏幕上的点开始动了起来，就像是被施了魔法一样。
那些点先是缓慢地移动，然后越来越快，最后竟然在屏幕上形成了一个完整的3D模型！我看得目瞪口呆，简直不敢相信自己的眼睛。
"看到了吧，这就是OpenCV的威力。
"老张得意地说。
我连连点头，心里对OpenCV的敬佩之情油然而生。
这玩意儿不仅能捕捉动作，还能实时生成3D模型，简直是太神奇了。
而且，它的应用范围还非常广，从电影特效到虚拟现实，再到医疗康复，几乎无所不能。
不过，OpenCV也不是万能的。
有一次，我们在捕捉一个复杂动作时，系统突然卡住了。
屏幕上的点开始乱跳，3D模型也变得扭曲起来。
我急得满头大汗，赶紧叫老张过来看看。
"怎么回事？"我问。
老张皱着眉头，仔细检查了一下代码，然后恍然大悟："哦，原来是这里出了问题。
"他迅速修改了几行代码，系统立刻恢复正常。
"看到了吧，OpenCV虽然强大，但也需要我们精心调试。
"老张语重心长地说。
我点点头，心里对OpenCV的理解又深了一层。
opencv 相机触发方式
在OpenCV中，相机触发方式通常指的是控制相机捕获图像的机制。
不同的相机可能支持不同的触发模式，尤其是在工业相机领域，常见的触发模式包括：1.自由运行（Freerun）：在这种模式下，相机按照固定的帧率自行连续捕捉图像，无需外部触发信号。
2.软件触发（Software Trigger）：使用软件命令来控制相机捕获图像。
通过编程接口（例如OpenCV或直接使用相机厂商提供的SDK），发送特定指令给相机以开始或停止图像采集。
Python1# 使用OpenCV与支持软件触发的相机时，可能会有类似以下操作：2cap = cv2.VideoCapture(0) # 打开相机设备3cap.set(cv2.CAP_PROP_TRIGGER, cv2.Trigger.SOFTWARE) # 设置为软件触发模式4cap.trigger() # 发送一个触发信号，使相机抓取一帧图像3.硬件触发（Hardware Trigger）：相机接收来自外部硬件源（如GPIO信号、电平变化、脉冲信号等）的触发信号进行拍照。
这种触发方式常用于精确同步多台相机或与生产线上的某个事件精确同步。
对于硬件触发，配置过程通常涉及设置相机属性以及连接到适当的触发线，并确保相机驱动正确识别和响应这些信号。
具体代码示例取决于所使用的相机型号及其SDK如何处理硬件触发。
4.外部信号触发（Strobed or Edge Trigger）：这种方式更加细分，相机会在检测到特定边沿信号（上升沿、下降沿或双边沿）时捕获图像。
这在需要严格同步多个系统组件的情况下非常有用。
5.脉冲宽度触发（Pulse Width Trigger）：根据外部触发信号的脉宽来决定相机采集图像的数量或者曝光时间。
在实际应用中，选择哪种触发方式会根据项目的具体需求来定，例如是否需要精确同步、是否有多台相机协同工作、是否有特定的硬件环境要求等。
在OpenCV中，尽管可以实现基本的相机控制，但更高级的触发模式通常需要借助于相机制造商提供的专用SDK进行详细配置和控制。
《2024年基于OPENCV的运动目标检测与跟踪技术研究》范文
《基于OPENCV的运动目标检测与跟踪技术研究》篇一一、引言随着计算机视觉技术的飞速发展，运动目标检测与跟踪技术在众多领域中得到了广泛应用，如智能监控、自动驾驶、人机交互等。
OPENCV（Open Source Computer Vision Library）作为一种强大的计算机视觉库，为运动目标检测与跟踪提供了有效的工具。
本文旨在研究基于OPENCV的运动目标检测与跟踪技术，探讨其原理、方法及实际应用。
二、运动目标检测技术1. 背景与原理运动目标检测是计算机视觉中的一项关键技术，主要用于从视频序列中提取出感兴趣的运动目标。
OPENCV提供了多种运动目标检测方法，如背景减除法、光流法、帧间差分法等。
这些方法基于视频序列的时域信息，通过比较相邻帧的差异来检测运动目标。
2. 方法与实现（1）背景减除法：通过建立背景模型，将当前帧与背景模型进行差分，从而提取出运动目标。
OPENCV提供了多种背景减除算法，如高斯模型、Wiener滤波等。
（2）光流法：利用光流场的变化来检测运动目标。
OPENCV 的光流法基于稠密光流算法，通过计算像素点的运动矢量来检测目标。
（3）帧间差分法：通过比较相邻两帧的差异来检测运动目标。
OPENCV的帧间差分法可以有效地提取出运动目标的轮廓。
3. 实验与分析本文采用多种数据集对上述方法进行实验，包括静态摄像头和移动摄像头下的场景。
实验结果表明，背景减除法在静态场景下具有较好的效果，而光流法和帧间差分法在动态场景下具有更高的鲁棒性。
在实际应用中，可根据具体场景选择合适的方法。
三、运动目标跟踪技术1. 背景与原理运动目标跟踪是在检测出运动目标的基础上，进一步对其进行定位和轨迹分析。
OPENCV提供了多种跟踪方法，如基于特征的方法、基于模型的方法、基于滤波的方法等。
这些方法通过分析目标的特征、形状、运动等信息，实现目标的准确跟踪。
2. 方法与实现（1）基于特征的方法：通过提取目标的特征（如颜色、纹理、边缘等），在后续帧中匹配这些特征，从而实现目标跟踪。
《2024年基于OpenCV的工业机器视觉软件开发》范文
《基于OpenCV的工业机器视觉软件开发》篇一一、引言随着人工智能与计算机视觉技术的快速发展，工业生产中的机器视觉系统正变得越来越重要。
OpenCV（开源计算机视觉库）以其强大的图像处理能力和广泛的兼容性，成为工业机器视觉软件开发的首选工具。
本文将详细探讨基于OpenCV的工业机器视觉软件开发的原理、技术及应用。
二、OpenCV技术概述OpenCV是一个开源的计算机视觉和机器学习软件库，包含大量用于图像处理和计算机视觉的算法。
它具有广泛的应用领域，包括人脸识别、目标检测、图像分割、运动分析等。
在工业生产中，OpenCV被广泛应用于工业检测、质量控制、自动化生产等方面。
三、基于OpenCV的工业机器视觉软件开发1. 开发流程基于OpenCV的工业机器视觉软件开发流程主要包括需求分析、系统设计、图像预处理、特征提取、目标检测与跟踪、结果输出等步骤。
其中，需求分析和系统设计是软件开发的基础，图像预处理和特征提取是关键技术，目标检测与跟踪是实现自动化生产的核心，结果输出则是整个系统的最终目标。
2. 关键技术（1）图像预处理：包括图像滤波、二值化、边缘检测等操作，用于提高图像质量和提取有用信息。
（2）特征提取：通过SIFT、SURF等算法提取图像中的特征点，为后续的目标检测与跟踪提供依据。
（3）目标检测与跟踪：利用OpenCV中的对象检测算法（如HOG、SVM等）实现目标的实时检测与跟踪。
（4）结果输出：将检测与跟踪的结果以直观的方式呈现给用户，如通过LED灯、显示屏等方式进行报警或提示。
四、应用案例以某自动化生产线上的工件检测为例，介绍基于OpenCV的工业机器视觉软件的应用。
该系统通过摄像头实时捕捉工件图像，利用OpenCV进行图像预处理和特征提取，然后通过目标检测算法实现工件的实时检测与定位。
当工件存在缺陷或位置不正确时，系统将自动报警并提示操作人员进行处理。
通过该系统，生产线的检测效率得到了显著提高，同时降低了人工成本和误检率。
基于OpenCV的Android体感游戏平台的设计与实现
（ Ｉ ｎ ｓ ｉ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆＩ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｓ ａ ｎ ｍ ｉ ｎ ｇ 如 ｅ 腊 ￡ Ｓ ａ ｎ ｍｉ ｎ ｇ ， ３ ６ ５ ０ ０ ４ Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｓ ｏ ｍａ ｔ ｏ ｓ ｅ ｎ ｓ ｏ ｒ ｙ ｉ ｎ ｔ ｅ ｒ ａ ｃ ｈ ｒ ａ ｓ ｔ ｈ ｅ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｓ ｏ ｆ ｓ ｉ ｍｐ ｌ ｅ ｅ ｑ ｕ ｉ ｐ ｍｅ ｎ ｔ ａ ｎ ｄｌ ｏ ｗｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｑ ｕ ｉ ｒ ｅ —
２ ０１ ３缸 ｌ ２月
三
明
学
院
学
报
第 ３ ０卷 第 ６ 期
Ｄｅ Ｃ ． ２Ｏｌ ３ Ｖｏ １ ． ３ ０ Ｎｏ ． ６
Ｊ ＯＵＲＮＡＬ ＯＦ Ｓ ＡＮＭ１ ＮＧ ＵＮＩ Ｖ ＥＲＳ Ｉ Ｔ Ｙ
基 于 Ｏｐ ｅ ｎ ＣＶ 的 Ａ ｎ ｄ ｒ ｏ ｉ ｄ体 感 游 戏 平 台 的设 计 与 实现
本 文结 合 Ａ ｎ ｄ ｒ ｏ ｉ ｄ底 层 的摄 像 头数 据 和 Ａ ｎ ｄ ｒ ｏ ｉ ｄ软件 层 的显示 数 据 ，利 用 Ｏ ｐ ｅ ｎ Ｃ Ｖ 开放 库 解 决
Ｔｈ ｅ Ｄｅ ｓ ｉ ｇ ｎ ａｎ ｄ Ｉ ｍｐｌ ｅ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ａｎ ｄｒ ｏ ｉ ｄ Ｓｏ ｍａ ｔ ｏ ｓ ｅ ｎ ｓ ｏ ｒ ｙ Ｇａ ｍｅ Ｐｌ ａ ｔ ｆ ｏ ｒ ｍ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｏｏｅ ｎＣＶ
ＵＮ Ｈｏ ｎ ｇ － ｈ ｏ ｎ ｇ ． ＷＵ Ｃ ｈ ｕ ａ ｎ － ｍｉ ｎ 。 Ｚ ＨＡＮＧ Ｓ ｈ ｕ ａ ｉ
基于OpenCV的人体运动检测与跟踪系统的设计与实现
研究现状
研究现状
目前，国内外对于人体运动检测与跟踪系统的研究主要集中在以下方面： 1） 运动目标的检测与跟踪。这类研究通常采用背景减除、帧间差分、光流法等方法 来检测运动目标，并利用跟踪算法实现目标的跟踪。但是，由于实际场景的复杂 性，这些方法往往存在误检和漏检的问题。 2）基于特征的方法。这类方法通常 利用人体的一些特征（如边缘、轮廓、纹理等）
实验结果与分析
在室外场景中，由于光照条件复杂多变，且存在其他干扰因素（如天气、风 等），本次演示系统的检测准确率稍有下降，但仍然能够保持在80%以上。 3） 在夜间场景中，由于光线较暗，对于一些较小的目标可能会出现漏检情况。但是， 通过调整图像预处理参数和目标检测算法的参数，可以进一步提高检测准确率。
结论与展望
结论与展望
本次演示提出了一种基于OpenCV的人体运动检测与跟踪系统，并通过实验验 证了该系统的有效性和实时性。虽然本次演示系统在某些场景下仍存在一定的局 限性，但是已经可以满足大部分情况下的需求。
参考内容
内容摘要
随着计算机视觉技术的不断发展，运动目标检测与跟踪已成为计算机视觉领 域的一个重要研究方向。OpenCV（Open Source Computer Vision Library） 作为一种开源的计算机视觉库，为运动目标检测与跟踪提供了强大的支持。本次 演示将介绍基于OpenCV的运动目标检测与跟踪技术研究。
研究现状
研究现状
目前，道路车辆检测与跟踪技术的研究已经非常活跃。在传统方法方面，研 究者们主要从图像处理的角度出发，通过边缘检测、形态学处理、运动估计等手 段来实现车辆的检测与跟踪。例如，利用背景减除方法检测车辆，通过形态学处 理来去除噪声并连接断裂的边缘，从而识别出车辆。
《2024年基于OpenCV的运动目标检测与跟踪》范文
《基于OpenCV的运动目标检测与跟踪》篇一一、引言在计算机视觉领域，运动目标检测与跟踪是两大关键技术。
这些技术在许多应用中都有重要作用，如智能监控、智能交通、人机交互等。
OpenCV（Open Source Computer Vision Library）作为一个强大的计算机视觉库，为运动目标检测与跟踪提供了丰富的工具和算法。
本文将基于OpenCV的运动目标检测与跟踪进行深入研究和探讨。
二、运动目标检测运动目标检测是计算机视觉中的一个基本任务，其主要目的是从视频序列中提取出运动的目标。
OpenCV提供了多种运动目标检测的方法，如背景减除法、光流法、帧间差分法等。
1. 背景减除法背景减除法是一种常用的运动目标检测方法。
它通过将当前帧与背景模型进行比较，从而检测出运动的目标。
OpenCV提供了相应的函数和算法，可以方便地实现背景减除法。
在实际应用中，需要根据具体情况选择合适的背景模型和更新策略。
2. 光流法光流法是一种基于光流场估计的运动目标检测方法。
它通过计算像素在时间上的变化，从而得到运动目标的轨迹。
OpenCV的光流法实现包括Horn-Schunck算法和Lucas-Kanade算法等。
这些算法可以在一定程度上提高运动目标检测的准确性。
3. 帧间差分法帧间差分法是一种简单的运动目标检测方法。
它通过比较相邻两帧的像素差异，从而检测出运动的目标。
该方法实现简单，但在复杂场景下可能存在误检和漏检的问题。
三、运动目标跟踪运动目标跟踪是在视频序列中持续跟踪特定的运动目标。
OpenCV提供了多种运动目标跟踪的方法，如基于特征的方法、基于区域的方法和基于模型的方法等。
1. 基于特征的方法基于特征的方法是通过提取目标的特征，并利用这些特征在视频序列中进行匹配和跟踪。
OpenCV提供了多种特征提取和匹配的算法，如SIFT、SURF、ORB等。
这些算法可以在一定程度上提高跟踪的准确性和鲁棒性。
2. 基于区域的方法基于区域的方法是通过提取目标的区域信息，并在视频序列中进行匹配和跟踪。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１ 体 感遥 控 的系统结构 与硬 件实现
体感 遥 控 的系统 结构 如 图 １所示 。Ｗｅ ｃｍ 摄 ｂａ 像 头通 过 ＵＳ Ｂ接 口与 Ｐ Ｃ机 相 连 ， Ｃ机 安 装 的 软 Ｐ 件 为 Ｗｉｄ ｗｓ 操 作 系统 、 ｃｏ ｏｔ ｓ ａ Ｓ ｕ ｉ ｎｏ ７ Ｍｉ ｓ ｆ Ｖｉｕ ｌ ｔｄｏ ｒ ２１ ０ ０和 Ｏｐ ｎ Ｖ ． ｅ Ｃ ２ ３函数库 。通 过 Ｐ Ｃ机 的串行 接 口或 ＵＳ Ｂ接 口， 接红 外线 发射模 块 和无 线 电发射 连 模块 ， 远端 的红 外 线 接 收模 块 和无 线 电接 收模 块 与 进行 通信 ， 实现对 远端 控制 对象 的控 制 ｌ ］ ２ 。
ｃ ｍ ｐ ｅ ｉｉ ｎ ｏ ｕｔ ｒ ｖ ｓｏ
在体感 遥控 系 统 中 ， 人 体 手势 这 个 运 动 目标 对 的 图像 序列 进行 分 析处 理 主要 由 目标 检测 、 目标 跟 踪、 目标识 别和 目标 行 为 理解 组 成 。 目标 检 测技 术 是整个 手 势识别 的 最底 层 ， 动 目标 检 测 是 指从 视 运 频 图像 序 列 中将 变化 的 目标 从背景 中分 割 出来 。一 旦识别 出 目标 ， 就对 目标进 行编码 ， 根据 编码 实现对 监控 对象 的控 制 。运 动 目标 检 测 主 要 包 括 背 景 提
以 Ｏｐｎ Ｖ为基础 ， ｅＣ 结合 自定义算法和函数 ， 开发利用人体手势识 别来 控制不 同设备 的体 感遥控器 。该设计 采用基 于 ｃｄｂ ｏ ｏ ｅ ｏｋ背景模型 的运动检测方法对手势定位 ， 以改进的 Ｃ ｍＳ ｉ 算法和 Ｋａ ｎ滤波器进行手势跟踪 ， ａ ｈｆ ｔ ｌ ｍａ 进而对 手势分割 和识别 。研究利用单 目摄像头下对单 手手势识 别 ， 以红外线 和无线通信 方式对 目标 区域 和设 备进 行非接 触控 制。给出软件设计 的基 本思想 ， Ｏ ｅＣ 用 ｐ ｎ Ｖ实 现算法 的具体 过程 和关键代 码 。该 方案 目标跟 踪快 、 检测 效率
采集视 频 流 ， 运动 目标 进行 检测 、 踪和识 别 。完 对 跟
取 、 景检 测 、 断 报 警 、 景更 新 等 主要 步 骤 。常 前 判 背
收稿 日期 ：０ １１ —２ ２ １—２１ 基金 项 目 ： 国家 自然 科 学 基 金 资 助项 目（ １７ ０ ９ ６０５３） 作者简 介： 韩 旭 （９ ４ ， 硕士研究生 ， 究方 向： １８ 一） 男， 研 图像处 理与 计算机视觉．
的轮廓 。背景 剪除 法是 利用 背景 的参数模 型来 近似 背景 图像 ， 当前 帧 与 背景 图像 进 行 比较 时 区 别较 大
的像 素块 被认 为是 运 动 区域 ， 区别 较 小 的像 素 块 而
为背 景 区域 。光流 法利用 视频 序列 中像 素的灰度 分
布不 同体 现物体 的运 动 ， 运 动场 进 行 近 似估 计 来 对
第 １ 期
韩
旭 ， ： ｅＣ 等 Ｏｐｎ Ｖ在体感遥控 中的应用
成 体感 遥控 中发 现运 动 目标 并 根据 运动 目标 给 出控 制 信息 ， 到 了低 成本 、 有实 时性 的要 求 。本设 计 达 具
中使用 运 动和肤 色相 结合 的 目标识 别 算 法 ， 给 出 并 Ｏｐ ｎ Ｖ 实 现此算 法 的程序 流 程和 实验结 果 。 ｅＣ
２１ ０ ０，ｔ ｅ ｍｏ ｉ ｎ ｓ ｎ ｉ ｇ ｒ ｍｏ ｅ ｃ ｎ ｒ ｌ ｒ ｄ ｖ ｌ ｐ ｅ ｔｐ ａ ｆ ｒ ｉ ｏ ｓ ｒ ｃ ｅ ． Ｗ ｉ ｕ ｔ ｍ ｌ ｏ ｉｈ ｓ ｈ ｔ ｅ ｓｎ ｅ ｔ ｏ ｔｏ ｌ ｅ ｅ ｏ ｍ ｎ ｌ ｔｏ ｍ ｓ ｃ ｎ ｔｕ ｔ ｄ ｏ ｅ ｔ ｃ ｓ ｏ ａｇ ｒｔ ｍ ｈ ａ ｄ ｆ ｎ ｔ ｎ ａ ｅ ｎ Ｏｐ ｎ ｎ ｕ ｃ ｉ ｓ ｂ ｓ ｄ ｏ ｅ ＣＶ ，ａ ｍｏ ｉ ｎ ｓ ｎ ｉ ｇ ｒ ｍｏ ｅ ｃ ｎ ｒ ｌ ｒｉ ｄ ｖ ｌ ｐ ｄ ｂ ｕ ｎ ｇ ｓ ｕ ｅ ｅ ｏ — ｏ ｔｏ ｅ ｓｎ ｅ ｔ ｏ ｔ ｏ ｌ ｓ ｅ ｅ ｏ ｅ ｙ ｈ ｍａ ｅ ｔ ｒ ｓｒ ｃ ｇ ｅ
Ａｐ ｌｃ ｔｏ ｆＯ ｐ ｎ ｐ ｉ ａ ｉ ｎ ｏ ｅ ＣＶ ｏ ｍ ｏ ｉ ｎ ｓ ｎ ｉ ｅ ｏ ｅ ｃ ｎｔ ｏ ｔ ｔｏ ｅ ｓｎｇ ｒ ｍ ｔ ｏ ｒ ｌ
Ｈ ＡＮ Ｘｕ，ＹＵ ａ — ｉ Ｘｉｏ ｙ
（ ｃ ｏ ｌ ｆＩ ｆ ｒ ｔ ｎ Ｓ ｉｎ ｅ ａ ｄ Ｅｎ ｉ ｅ ｒｎ Ｓ ｈ ｏ ｎ ｏ ｍａ ｉ ｃｅ ｃ ｎ ｇ ｎ ｅ ｉｇ，Ｌａ ｚ ｏ ｉｅ ｓｔ ，Ｌａ ｚ ｏ ３ ０ ０ ｏ ｏ ｎ ｈ ｕ Ｕｎ ｖ ｒ ｉｙ ｎ ｈ ｕ ７ ０ ０ ，Ｃｈ法 有 基 于运 动 信 息 的 检 测 方 法 ： 差法 、 流法 和 背 景 减法 ； 于肤 色 信 息 的检 帧 光 基
测 方法 Ｅ 。前 者不 能 准确 检 测 出整个 手势 区域 ， １ ３ 而 后 者计 算量小 ， 用于实 时处 理 。 目前 ， 感技 术 的 可 体 应 用从 任天 堂 、 尼 、 软 家 用游 戏 机 上 得 到推 广 。 索 微 微 软最 新 的 Ｋｉｅｔ 制 器 采 用 彩色 摄 像 头 和深 度 ｎｃ 控 摄像头 结合 的方 法捕 捉 三 维 图像 信 息 ， 得 了很 好 获 的识别 效果 。体感 遥 控 应 用前 景 广 阔 ， 补 充传 统 将 的人 机交 互 方 式 。本 文设 计 的 体 感 遥 控 系统 采 用 Ｉｔｌ ｎｅ 的开源 函数库 Ｏｐｎ Ｖ， ｅＣ 直接 调 用 单 目摄像 头
高 、 时性好 ， 实 为下 一 步 在 嵌 入 式 系统 中实 施 此 方 案 打 下 一 定 基础 。 关 键 词 ： ｅＣ 体 感 ； 控 器 ； 势 跟 踪 ； Ｏｐｎ Ｖ； 遥 手 手势 识 别 ； 算 机 视 觉 计 中图 分 类 号 ： Ｐ ９． １ Ｔ ３１４３ 文 献标 志码 ： Ａ 文章 编 号 ：６ １ ６ ９ ２ １ ） １０ ７—４ １ ７— ７ （０ ２ ０—０ ４０ ４
ｎｔ ｎｔｃ ｎｑ ｅ．Ｔｈｓ ｅｉｎａ ｏ ｔ ｍｏｉｎｄ ｔｃｉｎｗｉ ｏ ｅ ｏ ｋｂ ｃ ｇ ｏ ｎ ｄ ｌ ｎ ｂｅｔ ｒｃ — ｉｏ ｅｈ ｉｕ ｓ ｉ ｉ ｄ ｓ ｄ ｐ ｓ ｔ ｅｅｔ ｔ ｃ ｄ ｂ ｏ ａｋ ｒ ｕ ｄｍｏ ｅ ａ ｄｏ ｊｃ ｔａｋ ｇ ｏ ｏ ｈ
ｉ ｇ ｗｉｈ ｉ ｐ ｏ ｅ ｍＳ ｉ ｌ ｏ ｉｈ ａ ｄ Ｋａ ｍａ ｉ ｅ ｅ ｎ ｓ ｄ，ｔ ｅ ｆ ｒ ｓ ｇ ｎ ａ ｉ ｎ ａ ｄ ｒ ｃ ｇ ｉ ｎ ｔ ｍ ｒ ｖ ｄ Ｃａ ｈ ｆ ａ ｇ ｒｔ ｍ ｎ ｌ ｎ ｆ ｔ ｒｂ ｉ ｇ ｕ ｅ ｔ ｌ ｏ ｐ ｒ ｏ ｍ ｅ ｍｅ ｔ ｔ ｎ ｅ ｏ ｎ — ｏ ｔ ｎ Ｓ ｎ ｌ ａ ｍ ｅ ｔ ｒ ｅ ｏ ｎ ｔ ｎ ｗｉｈ ａ ｓｎ ｌ ｂ ａ ｃ ｍ ｅ ａ ｉ ｅ ｌ ｅ ｏ ｃ ｎ ｒ ｌｔ ｅ ｄ ｖ ｃ ｓ ａ ｄ ｉ ． ｉ ｇ ｅ ｐ ｌ ｇ ｓ ｕ ｅ ｒ ｃ ｇ ｉｉ ｔ ｉ ｇ ｅ ｗｅ ｃ ｍ ａ ｒ ｓ ｒ ａ ｉ ｄ ｔ ｏ ｔ ｏ ｈ ｅ ｉｅ ｎ ｏ ｏ ｚ ｔ ｒ ｅ ｒ ａ ｔ ｒ ｕ ｈ ｉ ｆａ ｅ ｎ ｒ ｌｓ ｏ ａ ｇ ｔ ａ ｅ ｈ ｏ ｇ ｎ ｒ ｒ ｄ ａ ｄ ｗｉｅ ｅ ｓ ｃ ｍｍ ｕ ｉａ ｉ ｎ ｗｉｈ ｕ ｈ ｓｃ ｌｃ ｎ ａ ｔ Ｔｈ ａ ｉ ｄ ａ ｆｔ ｅ ｎ ｃ ｔ ｔ ｏ ｔ ｐ ｙ ｉａ ｏ ｔ ｃ ． ｏ ｅ ｂ ｓｃ ｉ ｅ ｓ ｏ ｈ ｄ ｓｇ ｅ ｉ ｎ，ｔ ｅ ｓ ｅ ｉ ｃ ｐ ｏ ｅ ｕ ｅ ｏ ｍｐ ｅ ｅ ｔ ｇ ａ ｇ ｒｔ ｍｓ ｏ ｅ ＣＶ ｎ ｈ ｅ ｏ ｅ ｒ ｉ ｅ ． Ｔｈ ｓ ｈ ｐ ｃｆ ｒ ｃ ｄ ｒ ｓ ｆ ｒ ｉ ｌｍ ｎ ｉ ｌ ｏ ｉ ｉ ｎ ｈ ｆＯｐ ｎ ａ ｄ ｔ ｅ ｋ ｙ ｃ ｄ ｓａ ｅ ｇ ｖ ｎ ｉ ｄ ｓｇ ａ ｒｔｉ ａ ｔ ｒ ｃ ｉ ｇ，ｈ ｇ ｆｉｉ ｎ ｅ ｅ ｔｎ ｎ ｅ ｌ ｉ ｙ ｃ ｒ ｎ ｚｎ ，ｗｈ ｃ ａ ｓｔ ｅｆ ｕ — ｅ ｉ ｎ ｈ ｓ ｍｅ ｉ ｎ ｆ ｓ ａ ｋ ｎ ｔ ｉ ｈ ｅ ｆ ｅ ｔ ｔ ｃ ｉ ｇ ａ ｄ ｒ ａ— ｍｅ ｓ ｎ ｈ ｏ ｉｉ ｇ ｃ ｄ ｔ ｉｈ ｌ ｙ ｈ ｏ ｎ ｄ ｔ ｎ ｏ ｈ ｄ ａ ｃ ｄ ｉ ｐ ｅ ｎ ａ ｉ ｎ ｉ ｍ ｂ ｄ ｅ ｙ ｔ ｍ ｓ ａ ｉ ｓｆ ｒ ｔ ｅ ａ ｖ ｎ ｅ ｍ ｌ ｍｅ ｔ ｔ ｅ ｅ ｄ ｄ ｓ ｓ ｅ ． ｏ ｏ ｎ Ｋｅ ｒ ｓ Ｏｐ ｎ ｙ ｗｏ ｄ ： ｅ ＣＶ ；ｍ ｏ ｉ ｎ ｓ ｎ ｉ ｇ ｅ ｔ ｏ ｔｏ ｌ ｒ ａ ｄ ｇ ｓ ｕ ｅｔ ａ ｋ ｎ ｔ ｅ ｓｎ ；ｒ ｍｏ ｅ ｃ ｎ ｒ ｌ ；ｈ ｎ ｅ ｔ ｒ ｒ ｃ ｉ ｇ；ｈ ｎ ｅ ｔ ｒ ｅ ｏ ｎ ｔ ｎ； ｏ ｅ ａ ｄ ｇ ｓ ｕ ｅ ｒ ｃ ｇ ｉｉ ｏ
差来 获取 运 动 目标 的信 息 ， 直 接 的相 邻 两 帧 帧差 最
和 三帧差 。三帧 差 是 将第 ｉ 与 第 ｉ １帧 图像 做 帧 ＋ 减得 到差 分 图像 Ｄ１ ｉ １帧 图像 与 ｉ ，＋ ＋２帧 图像 做 减得 到差 分 图像 Ｄ 。然后 对差分 图像 平滑 滤波 ， ２ 二
第 ２ 第 １期 ６卷
２１年 ３ ０２ 月
黑
龙
江
工
程
学
院
学 报 （ 自然科 学版 ）
Ｖｏ ． ６ № ． １２ １
Ｍ ａ ．， Ｏ１ ｒ ２ ２
Ｊ ｕｎ ｌ ｆＨｅｌｎ ｊ ｎ ｎ ｔ ｕｅｏｆＴｅ ｈｎ ｌ ｇ ｏ ｒ ａ ｏ ｉ ｇｉ ｇＩｓｉ ｔ ｃ ｏ ｏ ｙ ｏ ａ ｔ
Ｏｐ ｎ Ｖ 在 体 感 遥 控 中 的应 用 ｅＣ
韩 旭 ， 小亿 于
（ 州 大 学 信 息 科 学 与 工程 学 院 ， 肃 兰 州 ７ ０ ０ ） 兰 甘 ８ ００