基于Kinect的复杂手势识别技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-18页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 Kinect深度传感器 | 第8-12页 |
| 1.2.1 Kinect简介 | 第8页 |
| 1.2.2 Kinect基本组成 | 第8-9页 |
| 1.2.3 Kinect深度测量原理 | 第9-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 基于数据手套的手势识别 | 第12-13页 |
| 1.3.2 基于视觉的手势识别系统 | 第13-16页 |
| 1.4 本文的主要研究工作 | 第16-18页 |
| 2 深度图像预处理与手势分割 | 第18-31页 |
| 2.1 深度数据的获取 | 第18-23页 |
| 2.1.1 Kinect深度相机模型 | 第18-19页 |
| 2.1.2 坐标系之间的转换 | 第19-21页 |
| 2.1.3 图像畸变校正 | 第21-23页 |
| 2.2 深度图像的预处理 | 第23-26页 |
| 2.2.1 深度图像噪声来源分析 | 第23页 |
| 2.2.2 深度图像滤波处理 | 第23-26页 |
| 2.3 手型图像的分割 | 第26-30页 |
| 2.3.1 Kinect骨骼跟踪技术 | 第26-27页 |
| 2.3.2 结合骨骼跟踪技术和深度信息的手势分割 | 第27-28页 |
| 2.3.3 手型图像的形态学处理 | 第28-29页 |
| 2.3.4 手型图像轮廓的提取 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 手势的特征提取 | 第31-37页 |
| 3.1 手型图像的特征提取 | 第31-32页 |
| 3.2 K-means聚类算法 | 第32-34页 |
| 3.3 手势运动的特征提取 | 第34-36页 |
| 3.3.1 手势运动轨迹的提取与处理 | 第34-35页 |
| 3.3.2 手势运动轨迹的特征提取 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于HMM-NBC模型的手势识别算法 | 第37-49页 |
| 4.1 HMM的基本概念 | 第37-39页 |
| 4.2 HMM的三个基本问题 | 第39-43页 |
| 4.2.1 评价问题 | 第39-40页 |
| 4.2.2 解码问题 | 第40-41页 |
| 4.2.3 训练问题 | 第41-43页 |
| 4.3 基于HMM-NBC模型的动态手势识别 | 第43-48页 |
| 4.3.1 朴素贝叶斯分类模型 | 第43-45页 |
| 4.3.2 基于HMM-NBC模型的手势训练过程 | 第45-46页 |
| 4.3.3 基于HMM-NBC模型的手势识别过程 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 实验过程及结果分析 | 第49-55页 |
| 5.1 动态手势的设计 | 第49-50页 |
| 5.2 手势样本库的建立 | 第50-53页 |
| 5.2.1 手势样本原始数据的获取 | 第50-51页 |
| 5.2.2 手势样本数据的处理与生成 | 第51-53页 |
| 5.3 手势识别的结果与分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
