基于Kinect行为识别的研究与应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 相关技术 | 第14-20页 |
| 2.1 Kinect简介 | 第14页 |
| 2.2 Kinect的深度数据 | 第14-15页 |
| 2.3 Kinect的骨骼数据获取 | 第15-19页 |
| 2.4 行为识别方法概述 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 领域分析及模型设计 | 第20-31页 |
| 3.1 教学环境分析 | 第20-21页 |
| 3.2 教学环境下的行为定义 | 第21-25页 |
| 3.2.1 人体位置的定位 | 第21-22页 |
| 3.2.2 控制手势的定义 | 第22-23页 |
| 3.2.3 空气鼠标操作的定义 | 第23-25页 |
| 3.3 骨骼节点特征值的选取 | 第25-26页 |
| 3.4 行为识别设计 | 第26-28页 |
| 3.5 行为预检测 | 第28-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 手势检测 | 第31-44页 |
| 4.1 手势检测算法 | 第31-37页 |
| 4.1.1 运动轨迹的标准化 | 第32-33页 |
| 4.1.2 特征数据的权重分析 | 第33-34页 |
| 4.1.3 运动轨迹序列编码 | 第34页 |
| 4.1.4 姿势相似度的计算 | 第34-37页 |
| 4.2 行为数据采集 | 第37-39页 |
| 4.2.1 数据采集的设计 | 第37-38页 |
| 4.2.2 数据采集模块的实现 | 第38-39页 |
| 4.3 模型训练 | 第39-41页 |
| 4.4 手势识别实验结果分析 | 第41-43页 |
| 4.4.1 最佳k值分析 | 第41页 |
| 4.4.2 手势识别率分析 | 第41-42页 |
| 4.4.3 实时性分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 握拳姿势检测 | 第44-55页 |
| 5.1 握拳姿势检测算法 | 第44-53页 |
| 5.1.1 深度信息提取 | 第45-46页 |
| 5.1.2 基于距离的分割 | 第46-47页 |
| 5.1.3 去噪处理 | 第47-49页 |
| 5.1.4 手指的检测 | 第49-53页 |
| 5.2 握拳姿势检测测试 | 第53-54页 |
| 5.2.1 功能性测试 | 第53页 |
| 5.2.2 距离测试 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 原型系统的设计与实现 | 第55-67页 |
| 6.1 系统环境 | 第55页 |
| 6.2 系统架构设计 | 第55-56页 |
| 6.3 教学环境下原型系统的实现 | 第56-66页 |
| 6.3.1 基于行为触控的文件浏览器 | 第56-61页 |
| 6.3.2 应用适配器 | 第61-63页 |
| 6.3.3 外围设备扩展接口 | 第63-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第七章 总结和展望 | 第67-69页 |
| 7.1 总结 | 第67页 |
| 7.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间公开发表的论文 | 第73页 |
