学习，以减少用户做出手势的难度。因而，所设计使用的手势应契合使用者的自然习惯。
3）所选手势应具有特殊轨迹
许多动作的运动轨迹是相识的，虽然通过动作的重复能提高识别率，但会造成识别时间上的延长，所以应找到具有特殊轨迹的手势，以尽量减少识别时动作的重复，提高识别速度。
3.2整体算法设计
人类对于人体动作的判断是基于视觉的，当眼睛看到人体后，通过大脑中对于动作的描述，判断所做的动作。同样的，在计算机的动作识别过程中，也要首先获取“视觉信息”，即深度数据，作为判断动作状态的基础。本文根据捕获的深度数据所得出的25个骨骼关节点数据，设计出判定方法，判断所做的动作，基本思路如下：
当设备捕获到深度图像数据时，检测深度图像数据中是否包含有人体骨骼特征数据，即25个骨骼关节点;将其中具有骨骼关节点的数据一帧一帧地进行判断。根据所要识别的动作，设定其运动的关键轨迹，再选取动作轨迹中主要关键点，将这些点作为判断动作是否符合的条件，并收集判定结果，需要注意的是收集条件判断的结果的先后顺序要和动作运动时所经过的轨迹点顺序一致。当动作进行过程满足所有条件，即动作与设定轨迹点一一相符，则输出该动作名称。
在整个识别动作过程中需要注意的是，动作是一个动态的过程，它是以一定的速率进行运动的，若识别时间过长，则会被认为是相互独立的动作而非连续动作。本文在判断条件内加入时間属性，在即将更新状态之前，检查动作开始和结束的时间，若时间差大于事先设定的时间值，则移除之前的动作起始点，以现在的位置点作为新的动作起始点。
4 导购系统的实现
本文通过设计导购系统所采用的交互动作和识别动作的算法，将动作识别技术应用到导购系统中，实现基于动作识别的智能无人导购系统。系统使用者可以通过系统所能识别的交互动作与系统进行精确、快速的交互，使人与系统本身自然地融合在一起，为人们带来智能化的购物体验和享受。
4.1系统实现方式
导购系统采用C#语言进行开发，通过Kinect2.0设备获取实时深度数据。系统使用Kinect2.0 SDK提供的骨骼追踪的基本库，直接调用其内置库中的深度图像数据流获取数据，通过本文所设计的算法得出人体当前所进行的动作，根据得到的动作变化最终实现根据人体的不同动作来控制系统进行非接触式的智能化导购。
4.2 识别用户获取物品功能的实现
导购系统识别用户是否获取物品的方法是通过体感器获取顾客手部关键骨骼关节点的变化情况从而控制系统做出对应的反馈。以右手拿取物品过程为例，当体感设备识别范围内出现可识别人体，且右手腕关节点向商品位置移动并靠近物品时，体感设备开始检测手势变化情况。如果25个骨骼关节点中的右手关节（第11个点）、右中指关节（第24个点）和右手拇指关节（第23个点）这三个关节点之间的空间距离在所设定时间内缩短至设定距离范围，则导购系统判定该顾客拿取该商品，并将商品信息以视频文字等形式呈现给用户。如果顾客拿取商品后在极短时间里三点之间的空间距离变大，则导购系统将判定该顾客放弃该商品的选购。
4.3 手势控制视频切换浏览功能的实现
视频切换所用的实现方法为检测用户是否在进行挥手的动作，根据挥手的不同方向对物品信息介绍进行上下切换。以右手向左挥动的动作为例，当体感设备识别范围内出现可识别人体，体感设备判断用户的右手在进行从右向左挥动的动作后，系统将判断用户想要切换视频。那么，系统将为顾客切换到上一个商品视频信息。挥动的过程所对应关节的位置条件设置为：当25个骨骼关节点中的右手关节（第11个点）出现在右胳膊肘（第9个点）前端，且处于右肩关节（第8个点）下方时，在一段极短时间内，右手关节点（第11个点）由右肩关节点（第8个点）外侧即身体的外侧到与右肩关节点（第8个点）重合处，最后处于左右两肩之间。
5 结论与展望
本文通过Kinect2.0获取的深度数据所分离出的骨骼关节数据对动作识别技术进行分析和研究，针对店铺商品导购的实际环境，提出识别手势的方法，并应用到导购系统中。该基于动作识别的导购系统不仅提高了与顾客的互动性，而且减少了商铺雇佣导购员的资金投入和降低顾客与传统导购员间的尴尬感。同时系统仍然存在一些不足，后续将对以下几个方面进行进一步研究：将研究识别更多的动作进行应用实践，以实现更多的交互方式;加入同时对多人手势做出反应的功能;进一步提高手势识别精度。
参考文献：
[1] Kinectfor windows微软中国体感官方网站http：///item/试衣魔镜
[3]廖宏建，曲哲.基于Kinect体感交互技术的虚拟装配实验系统开发[J].实验技术与管理，2013，30（7）：98-102.
[4]罗元，谢彧，张毅.基于Kinect传感器的智能轮椅手势控制系统的设计与实现[J].机器人，2012，34（1）：110-113+119.
[5]Jamie Shotton，Andrew Fitzgibbon，MatCook，et al.Realtime human pose recognition in parts from single depth images[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2011：129-134.
[6] 秦悦.产品人性化设计中的人机工程学[J].现代营销（学苑版），2011（5）：168-169.
【通联编辑：唐一东】
