【正文】 　　前言　　MS的kinec SDK和OpenNI都提供了人體骨骼跟蹤的算法，人體骨骼跟蹤算法在kinect人體行為識別中非常重要，該識別過程通常被用來作為行為識別的第一步， 比如說，通過定位人體中的骨骼支架，可以提取出人手的部位，從而可以把手的部分單獨(dú)拿出來分析，這樣就達(dá)到了手勢的定位，而后面的手勢識別則可以在剛剛定 位出的領(lǐng)域進(jìn)行處理?？偠灾?，一套有效的人體骨架追蹤算法在kinect的一系列應(yīng)用中非常有用，不過MS SDK和OpenNI雖然都提供了該算法類的直調(diào)用，但是其源碼并沒有開放，畢竟這是人家最核心的東東。　　開發(fā)環(huán)境：++　　實(shí)驗(yàn)說明　　在老版本的OpenNI中，要對人進(jìn)行骨架追蹤，需要人先擺出PSI的姿勢，然后系統(tǒng)根據(jù)該姿勢進(jìn)行骨骼校正，待校正完成后才進(jìn)行骨骼的跟蹤，其流程圖可以參考下面的圖：　　　　由圖可以看出，其完成骨骼跟蹤主要分為3個部分，首先需檢測到人體，然后需要固定的PSI姿勢來對人體的姿勢進(jìn)行校正，待姿勢校正完成后，才能進(jìn)行人體骨骼的追蹤。如果程序開發(fā)者用代碼實(shí)現(xiàn)該過程則可以參考hersey的文章透過OpenNI / NITE 分析人體骨架（上）和透過OpenNI / NITE 分析人體骨架（下），作者在這2篇文章詳細(xì)介紹了老版本的人體骨架的OpenNI實(shí)現(xiàn)?！　?，人體骨架追蹤算法更改了不少，其中最大的特點(diǎn)就是骨架跟蹤過程中少了姿勢校正的那一步驟，新版本中只需要人體 站起來就可以進(jìn)行跟蹤了， 使用起來方便很多，程序開發(fā)也簡單不少。另外人體骨骼跟蹤的效果也提高了不少，一旦骨骼追蹤成功后，即使人體沒有保持站立姿勢有 時候也還是可以繼續(xù)跟蹤的。新版本的人體骨骼跟蹤算法使用流程圖如下：　　　　下面來看看程序中的Capability，它不同于前面文章的generator：　　在進(jìn)行骨架的判斷和姿態(tài)檢測是需要用到OpenNI延伸的功能，與這種延伸功能相關(guān)的類可以稱作為Capability。在進(jìn)行人體骨骼分析時，user generator需要有支援Skeleton和Pose Detection這2個的capability?！　≡诔绦蛑行枰L制骨骼節(jié)點(diǎn)之間的連線，而節(jié)點(diǎn)的坐標(biāo)和法向都有函數(shù)可以獲得，獲得的坐標(biāo)為真實(shí)世界中的坐標(biāo)，畫圖時需要在平面上繪制，因此需要這2個坐標(biāo)系的轉(zhuǎn)換，轉(zhuǎn)換過程用到下面的函數(shù)：　　XnStatus xn::DepthGenerator::ConvertRealWorldToProjective(XnUInt32 nCount, const XnPoint3D aRealWorld[], XnPoint3D aProjective[])　　該函數(shù)表示將深度圖獲取的真實(shí)坐標(biāo)系轉(zhuǎn)換成平面圖形顯示的投影坐標(biāo)系上。第1個參數(shù)表示轉(zhuǎn)換坐標(biāo)點(diǎn)的個數(shù)，第2個參數(shù)表示真實(shí)坐標(biāo)系中的坐標(biāo)，第3個參數(shù)表示投影坐標(biāo)系下的坐標(biāo)。　　本實(shí)驗(yàn)的程序分為3個類和一個主函數(shù)，其中2個類的基本部分在前面的文章中已有介紹，只需要更新其部分功能。下面是本實(shí)驗(yàn)中這3個類的設(shè)計(jì)。當(dāng)然這都是參考heresy的博客使用Qt 顯示OpenNI 的人體骨架?！　OpenNI類的更新：　　因?yàn)樾枰獙θ梭w進(jìn)行骨骼跟蹤，所以需要用到OpenNI的UserGenerator這個類。在private變量一欄增加這個類對象的聲明。然后在類的Init()函數(shù)中使用Create方法產(chǎn)生人體的node。同上一篇博客Kinect+OpenNI學(xué)習(xí)筆記之5(使用OpenNI自帶的類進(jìn)行簡單手勢識別)中 類似，這里的人體骨架校正，跟蹤等都是通過回調(diào)函數(shù)的形式進(jìn)行的，因此還需要在Init()函數(shù)中設(shè)置這個node的檢測到有新人進(jìn)入和骨骼校正完成的回 調(diào)函數(shù)(其實(shí)還有舊人體目標(biāo)離去，骨骼校正開始這2個也可以設(shè)置回調(diào)函數(shù)，但在本程序中因?yàn)椴恍枰褂盟鼈儯虼丝梢允÷圆粚懀?老版本的OpenNI是不 允許省略的)。另外，由于色彩節(jié)點(diǎn)，深度節(jié)點(diǎn)，以及人體檢測節(jié)點(diǎn)都是私有變量，如果該類的對象需要獲取該變量的話不方便，因此在共有函數(shù)部分分別設(shè)置了3 個共有函數(shù)來獲取這3個變量。具體該類的全部代碼參加本文后面的代碼部分?！　SkeletonItem類的設(shè)計(jì):　　CSkeletonItem這個類主要來完成骨架節(jié)點(diǎn)位置的獲取,以及畫出item中節(jié)點(diǎn)之間的連線，同時也在節(jié)點(diǎn)位置處畫出圓圈代表對應(yīng)節(jié)點(diǎn)的位置?！　≡跇?gòu)造函數(shù)中，設(shè)計(jì)了一個二維的連接表矩陣，矩陣的大小為14*2，即有14條邊，每條邊有2個頂點(diǎn)，矩陣中對應(yīng)位置的值表示的是對應(yīng)邊的節(jié)點(diǎn)骨架的標(biāo)號，在OpenNI中人體的骨架節(jié)點(diǎn)共分為15個，手腳共12個，頭部2個，軀干1個。如下圖所示：　　　　程序中對這15個點(diǎn)編了序號，頭部為0， 頸部為1， 軀干為2， 左肩膀?yàn)?， 左手肘為4， 左手腕5，右肩膀?yàn)?，右手肘為7，右手腕為8，左臀為9，左膝蓋為10，左腳跟為11，右臀為12，右膝蓋為13，右腳跟為14?！　≡擃愔行枰貙懙腷oundingRect()函數(shù)，函數(shù)中設(shè)置了一個包含15個節(jié)點(diǎn)的最小矩形，因?yàn)楹竺娴睦L圖區(qū)域需要在這個矩形內(nèi)進(jìn)行，很明顯，獲得的這個矩形不是固定大小的，而是根據(jù)人體骨架的位置在不斷變化。大小和位置同時都會發(fā)生改變?！　≈貙懙膒aint()函數(shù)則需要完成2個部分的功能， 第一是畫出骨骼中節(jié)點(diǎn)的位置，用圓圈顯示；第二是畫出2個節(jié)點(diǎn)之間的連線，共14條，這樣通過畫出的連線就可以大概看出人的位置和區(qū)域了。本文是參考的heresy文章不用校正姿勢的NITE ，heresy在設(shè)計(jì)該類的構(gòu)造函數(shù)時，設(shè)計(jì)了個15*2的連接表，個人感覺設(shè)置為14*2比較合理，因?yàn)?5個點(diǎn)剛好由14條線可以連接起來，并不是heresy所說的15條線，其實(shí)它有2條線是重合的?！　KinectReader類的更新：　　該類是在前面的文章Kinect+OpenNI學(xué)習(xí)筆記之3(獲取kinect的數(shù)據(jù)并在Qt中顯示的類的設(shè)計(jì))中 對應(yīng)類的更新，前面博文中的該類只是完成了深度圖像和顏色圖像的顯示，而在本實(shí)驗(yàn)中，需要完成顯示骨架節(jié)點(diǎn)之間的連線圖，因此該類需要繼續(xù)更新。其實(shí)現(xiàn)過 程主要是獲取視野中人體的個數(shù)，對檢測到的每個人體然后調(diào)用CSkeletonItem類中的方法UpdateSkeleton()來更新讀取的節(jié)點(diǎn)坐 標(biāo)，因?yàn)橐坏┳鴺?biāo)值發(fā)生了改變，CSkeletonItem類中的boundingRect()內(nèi)容也會更改，從而其Item所在區(qū)域的矩形也會變化，最 后導(dǎo)致paint()函數(shù)的執(zhí)行，在paint()函數(shù)中完成骨骼節(jié)點(diǎn)連線和骨骼節(jié)點(diǎn)的繪圖。　　實(shí)驗(yàn)結(jié)果　　試驗(yàn)效果的截圖：　　　　藍(lán)色的線表示骨骼節(jié)點(diǎn)之間的連線，黃色的圈表示骨骼節(jié)點(diǎn)?！　?shí)驗(yàn)主要部分代碼及注釋(附錄有實(shí)驗(yàn)工程code下載鏈接地址)::ifndef COPENNI_CLASSdefine COPENNI_CLASSinclude include QtGui/QtGuiinclude iostreamusing namespace xn。using namespace std。class COpenNI{public: ~COpenNI() { ()。//釋放空間 } bool Initial() { //初始化 status = ()。 if(CheckError(Context initial failed!)) { return false。 } (true)。//設(shè)置鏡像 = 640。