基于深度图像的交警手势识别
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题的研究背景 | 第12-13页 |
| 1.2 交警手势识别的研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 基于穿戴设备的手势识别 | 第14-15页 |
| 1.3.2 基于二维视觉的手势识别 | 第15-16页 |
| 1.3.3 基于深度信息的手势识别 | 第16-17页 |
| 1.4 问题的提出及研究目标 | 第17-18页 |
| 1.5 本文研究内容和结构安排 | 第18-19页 |
| 第2章 基于深度图像的手势识别相关理论 | 第19-27页 |
| 2.1 Kinect的简介及深度图像获取 | 第19-23页 |
| 2.1.1 Kinect简介 | 第19-20页 |
| 2.1.2 Kinect深度成像基本原理 | 第20-21页 |
| 2.1.3 深度图像的获取过程 | 第21-23页 |
| 2.2 手势识别相关技术 | 第23-26页 |
| 2.2.1 手势分割 | 第23-25页 |
| 2.2.2 手势特征提取 | 第25-26页 |
| 2.2.3 手势识别 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 交警关键手势图像获取及预处理 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 基于深度图像的交警关键手势图像获取 | 第27-29页 |
| 3.2.1 交警关键手势获取原理 | 第27-28页 |
| 3.2.2 交警关键手势获取步骤 | 第28-29页 |
| 3.3 手势图像预处理 | 第29-34页 |
| 3.3.1 背景去除 | 第29-30页 |
| 3.3.2 基于形态学的深度图像处理 | 第30-32页 |
| 3.3.3 基于K-means算法的手势分割 | 第32-33页 |
| 3.3.4 中值滤波 | 第33页 |
| 3.3.5 归一化处理 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于细化算法和Radon变换的特征集建立 | 第35-48页 |
| 4.1 引言 | 第35-36页 |
| 4.2 相关理论 | 第36-40页 |
| 4.2.1 邻域和连接数 | 第36页 |
| 4.2.2 经典并行算法 | 第36-38页 |
| 4.2.3 Radon变换 | 第38-40页 |
| 4.3 交警手势的特征提取 | 第40-43页 |
| 4.3.1 基于EPTA算法的细化处理 | 第40-42页 |
| 4.3.2 基于Radon变换的特征建立 | 第42-43页 |
| 4.4 实验结果及分析 | 第43-46页 |
| 4.4.1 细化实验对比 | 第43-45页 |
| 4.4.2 Radon变换重估实验对比 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 基于深度图像的交警手势识别 | 第48-61页 |
| 5.1 引言 | 第48页 |
| 5.2 基于模板匹配的交警手势识别 | 第48-51页 |
| 5.2.1 DTW算法 | 第48-50页 |
| 5.2.2 DTW路径约束 | 第50页 |
| 5.2.3 DTW模板匹配的实现 | 第50-51页 |
| 5.3 交警手势识别的系统设计 | 第51-55页 |
| 5.3.1 系统功能模块 | 第52-53页 |
| 5.3.2 系统核心算法 | 第53-55页 |
| 5.4 实验结果及分析 | 第55-60页 |
| 5.4.1 实验数据 | 第55页 |
| 5.4.2 实验结果 | 第55-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结和展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第70页 |
