在Win10 +64位 配置 Kinect SDK 1.8 + OpenNI2.0（64）+NITE2.0（64）+ opencv-2.4.12 + VS2013

苦逼了好几天终于这些环境给配置好了，系统64位的配置起来各种坑。希望大家看了能少走点弯路，我只是刚入门的菜鸡，勿喷！

素材我就不提供了，应该都找的到资源的。下面开始配置环境了：

1.0 首先安装好openni，再接着安装NITE。前面两个顺序比较重要，我看了好多教程都是这样的说的，具体原因我也不知道了。接着把opencv安装好，因为opencv安装的包很大不建议放在系统盘下。我这里安装的路径是

接下来为opencv配置好 环境变量

备注：X64是64位的 X86是32位下（不管是你的系统是32还是64的都配置上，到时候在编译器在win32和X64间切换就不用担心这一块出问题了）

更详细的opencv配置的博客大家可以看看这个  http://blog.csdn.net/huang9012/article/details/21811129

openni 的具体配置：http://blog.csdn.net/chenxin_130/article/details/8580636

2.0 重头戏就是VS2013配置了

第一步  在配置环境的时候，我想了一下配置环境这么苦逼的事情。要是我每新建一个项目都要配置一次。妈蛋那不是要炸了！所以我找到了 vs2013中属性管理器  （视图栏下=》其他窗口=》属性管理器）

鼠标右键点开NuiContainer（这个是我的）项目   新建个属性表（我这里有X64 的属性配置，是因为是64位系统 安装的openNI NITE 都是64位 所以必须要用X64平台进行统一配置，配置好的文件 在你新建项目的，添加现有属性配置表就可以加载好已经配置好环境了）

双击你创建好的属性表进行配置：

VC++目录配置：Openni和NITE是你安装在C盘下的路径

C/C++：

链接器：

在Debug和Release两种不同的模式下配置的不一样：Debug模式下把xxxxxxd.lib加入进去，Release模式下把xxxxx.lib加入进去

后面再把这两个lib给加上去 OpenNI2.lib  NiTE2.lib

把 C:\Program Files\OpenNI2\Redist 和C:\Program Files\PrimeSense\NiTE2\Redist下所有文件拷贝到你的新建项目下的工程文件夹下

opencv ： 在X64的平台上运行时，opencv库目录要换成E:\Opencv\opencv\build\x64\vc12\lib   在win32下换成 E:\Opencv\opencv\build\x86\vc12\lib

// YeNite2SimpleUsingOpenCV.cpp : 定义控制台应用程序的入口点。
//

//#include "stdafx.h"
#include <iostream>

// OpenCV 头文件
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>


#include <OpenNI.h>
#include <NiTE.h>

using namespace std;
using namespace openni;
using namespace nite;

int main(int argc, char **argv)
{
    // 初始化OpenNI
    OpenNI::initialize();

    // 打开Kinect设备
    Device  mDevice;
    mDevice.open(ANY_DEVICE);

    // 创建深度数据流
    VideoStream mDepthStream;
    mDepthStream.create(mDevice, SENSOR_DEPTH);

    // 设置VideoMode模式
    VideoMode mDepthMode;
    mDepthMode.setResolution(640, 480);
    mDepthMode.setFps(30);
    mDepthMode.setPixelFormat(PIXEL_FORMAT_DEPTH_1_MM);
    mDepthStream.setVideoMode(mDepthMode);

    // 同样的设置彩色数据流
    VideoStream mColorStream;
    mColorStream.create(mDevice, SENSOR_COLOR);
    // 设置VideoMode模式
    VideoMode mColorMode;
    mColorMode.setResolution(640, 480);
    mColorMode.setFps(30);
    mColorMode.setPixelFormat(PIXEL_FORMAT_RGB888);
    mColorStream.setVideoMode(mColorMode);

    // 设置深度图像映射到彩色图像
    mDevice.setImageRegistrationMode(IMAGE_REGISTRATION_DEPTH_TO_COLOR);

    // 为了得到骨骼数据，先初始化NiTE
    NiTE::initialize();

    // 创建用户跟踪器
    UserTracker mUserTracker;
    mUserTracker.create(&mDevice);

    // Control the smoothing factor of the skeleton joints. Factor should be between 0 (no smoothing at all) and 1 (no movement at all)
    mUserTracker.setSkeletonSmoothingFactor(0.1f);

    // 创建User彩色图像显示
    cv::namedWindow("User Image", CV_WINDOW_AUTOSIZE);

    // 环境初始化后，开始获取深度数据流和彩色数据流
    mDepthStream.start();
    mColorStream.start();

    while (true)
    {
        // 创建OpenCV：：Mat，用于显示彩色数据图像
        cv::Mat cImageBGR;

        // 读取彩色图像数据帧信息流
        VideoFrameRef mColorFrame;
        mColorStream.readFrame(&mColorFrame);

        // 将彩色数据流转换为OpenCV格式，记得格式是：CV_8UC3（含R\G\B）
        const cv::Mat mImageRGB(mColorFrame.getHeight(), mColorFrame.getWidth(),
            CV_8UC3, (void*)mColorFrame.getData());

        // RGB ==> BGR
        cv::cvtColor(mImageRGB, cImageBGR, CV_RGB2BGR);

        // 读取User用户数据帧信息流
        UserTrackerFrameRef  mUserFrame;
        mUserTracker.readFrame(&mUserFrame);

        // 得到Users信息
        const nite::Array<UserData>& aUsers = mUserFrame.getUsers();
        for (int i = 0; i < aUsers.getSize(); ++i)
        {
            const UserData& rUser = aUsers[i];

            // 检查用户状态
            if (rUser.isNew())
            {
                // 开始对该用户的骨骼跟踪
                mUserTracker.startSkeletonTracking(rUser.getId());
            }

            if (rUser.isVisible())
            {
                // 得到用户骨骼数据
                const Skeleton& rSkeleton = rUser.getSkeleton();

                // 检查骨骼状态是否为“跟踪状态”
                if (rSkeleton.getState() == SKELETON_TRACKED)
                {
                    // 得到15个骨骼数据                   
                    SkeletonJoint aJoints[15];
                    aJoints[0] = rSkeleton.getJoint(JOINT_HEAD);
                    aJoints[1] = rSkeleton.getJoint(JOINT_NECK);
                    aJoints[2] = rSkeleton.getJoint(JOINT_LEFT_SHOULDER);
                    aJoints[3] = rSkeleton.getJoint(JOINT_RIGHT_SHOULDER);
                    aJoints[4] = rSkeleton.getJoint(JOINT_LEFT_ELBOW);
                    aJoints[5] = rSkeleton.getJoint(JOINT_RIGHT_ELBOW);
                    aJoints[6] = rSkeleton.getJoint(JOINT_LEFT_HAND);
                    aJoints[7] = rSkeleton.getJoint(JOINT_RIGHT_HAND);
                    aJoints[8] = rSkeleton.getJoint(JOINT_TORSO);
                    aJoints[9] = rSkeleton.getJoint(JOINT_LEFT_HIP);
                    aJoints[10] = rSkeleton.getJoint(JOINT_RIGHT_HIP);
                    aJoints[11] = rSkeleton.getJoint(JOINT_LEFT_KNEE);
                    aJoints[12] = rSkeleton.getJoint(JOINT_RIGHT_KNEE);
                    aJoints[13] = rSkeleton.getJoint(JOINT_LEFT_FOOT);
                    aJoints[14] = rSkeleton.getJoint(JOINT_RIGHT_FOOT);

                    // 将骨骼3D坐标转换为深度坐标下骨骼位置坐标，并保存在数组中
                    cv::Point2f aPoint[15];
                    for (int s = 0; s < 15; ++s)
                    {
                        const Point3f& rPos = aJoints[s].getPosition();
                        mUserTracker.convertJointCoordinatesToDepth(
                            rPos.x, rPos.y, rPos.z,
                            &(aPoint[s].x), &(aPoint[s].y));
                    }

                     //在彩色图像中画出骨骼间的连接线
                    cv::line(cImageBGR, aPoint[0], aPoint[1], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[1], aPoint[2], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[1], aPoint[3], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[2], aPoint[4], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[3], aPoint[5], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[4], aPoint[6], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[5], aPoint[7], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[1], aPoint[8], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[8], aPoint[9], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[8], aPoint[10], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[9], aPoint[11], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[10], aPoint[12], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[11], aPoint[13], cv::Scalar(255, 0, 0), 3);
                    cv::line(cImageBGR, aPoint[12], aPoint[14], cv::Scalar(255, 0, 0), 3);

                    // 同样的在彩色图像中骨骼位置上画“圆”
                    for (int s = 0; s < 15; ++s)
                    {
                        if (aJoints[s].getPositionConfidence() > 0.5)
                            cv::circle(cImageBGR, aPoint[s], 3, cv::Scalar(0, 0, 255), 2);
                        else
                            cv::circle(cImageBGR, aPoint[s], 3, cv::Scalar(0, 255, 0), 2);
                    }
                }
            }
        }

        // 显示图像
        cv::imshow("User Image", cImageBGR);

        // 按键“q”退出循环
        if (cv::waitKey(1) == 'q')
        
            break;
    }

    // 先销毁User跟踪器
    mUserTracker.destroy();

    // 销毁彩色数据流和深度数据流
    mColorStream.destroy();
    mDepthStream.destroy();

    // 关闭Kinect设备
    mDevice.close();

    // 关闭NITE和OpenNI环境
    NiTE::shutdown();
    OpenNI::shutdown();

    return 0;
}

测试代码如上

运行结果效果图：