使用OpenNI进行Kinect手势识别实践

"这篇学习笔记主要探讨如何使用OpenNI库结合Kinect设备进行手势识别，特别是利用GestureGenerator类实现挥手、手移动、举手和往前推手四种手势的识别。文章指出，虽然OpenNI自带的手势识别功能效果可能不尽如人意，但仍然是一个重要的学习实践过程。" 在OpenNI库中，GestureGenerator类是专门用于手势识别的核心组件。通过这个类，开发者可以定义和识别特定的手势。在给定的描述中，我们看到作者在COpenNI类中创建了一个公共成员变量`gesture_generator`，以便于在其他部分的代码中访问和配置它。初始化`GestureGenerator`时，需要将其与OpenNI的上下文（context）关联起来，通过调用`Create`方法并检查返回的状态来确保成功创建。 接着，作者通过`AddGesture`方法添加了四种手势：“Wave”（挥手）、"click"（点击）、"RaiseHand"（举手）和"MovingHand"（手移动）。这些手势的名称是预定义的，OpenNI库支持这些基本手势的识别。每种手势的添加都与一个回调函数相关联，当检测到对应手势的开始、结束或进展时，回调函数会被调用。 OpenNI的手势识别机制基于回调函数，这类似于Qt中的信号与槽机制。回调函数包括两个类型：`GestureRecognizedRecognizedCB`用于识别手势完成时的回调，而`GestureProgressProgressCB`则是在手势进行中时的回调。这两个回调函数接收一些参数，如手势状态、手势类型、手势的起始和结束位置等，以及一个用户自定义的数据指针（pCookie），用于传递额外的信息。开发者需要提供这两个回调函数的实现，以处理识别到的手势事件。 值得注意的是，尽管OpenNI提供了手势识别的基本框架，但在实际应用中，作者发现其性能和准确度可能并不理想。这可能需要开发者进一步优化，例如通过自定义算法或者使用更高级的手势识别库来提高识别效果。 这篇学习笔记提供了使用OpenNI库和Kinect设备进行基础手势识别的步骤，强调了手势识别的回调函数机制，并展示了如何通过OpenNI API来实现这一功能。对于想要涉足这一领域的开发者来说，这是一个很好的起点，同时也提醒了他们可能遇到的挑战和不足。