基于视觉的手势识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 Kinect传感器简介 | 第10-12页 |
| 1.2.1 Kinect的结构组成 | 第10-11页 |
| 1.2.2 Kinect的系统架构 | 第11-12页 |
| 1.2.3 Kinect的局限 | 第12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 人机交互技术的发展 | 第12-13页 |
| 1.3.2 手势识别技术的发展 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 1.5 论文结构安排 | 第16-17页 |
| 2 基于自适应阈值的手势分割 | 第17-28页 |
| 2.1 常用的颜色空间及对应的肤色检测方法 | 第17-22页 |
| 2.1.1 RGB颜色空间 | 第17-19页 |
| 2.1.2 HSV颜色空间 | 第19-20页 |
| 2.1.3 YCbCr颜色空间 | 第20页 |
| 2.1.4 基于不同颜色空间的肤色检测 | 第20-22页 |
| 2.2 基于改进YCbCr颜色空间的椭圆肤色模型 | 第22-24页 |
| 2.3 自适应深度阈值手势分割 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 指尖检测方法研究 | 第28-38页 |
| 3.1 手势轮廓提取 | 第28-29页 |
| 3.2 基于重心距离的指尖检测方法 | 第29-30页 |
| 3.3 基于轮廓曲率的指尖检测方法 | 第30-31页 |
| 3.4 基于凸包和凸缺陷的指尖检测方法 | 第31-36页 |
| 3.4.1 手势轮廓近似多边形 | 第32-33页 |
| 3.4.2 获取手势凸包 | 第33-34页 |
| 3.4.3 指尖筛选 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 基于支持向量机的手势识别 | 第38-49页 |
| 4.1 手势特征提取 | 第38-41页 |
| 4.1.1 手势结构特征 | 第38-39页 |
| 4.1.2 手势统计特征 | 第39-40页 |
| 4.1.3 特征值的提取 | 第40-41页 |
| 4.2 支持向量机 | 第41-48页 |
| 4.2.1 线性支持向量机 | 第41-43页 |
| 4.2.2 非线性支持向量机 | 第43-45页 |
| 4.2.3 支持向量机的核函数 | 第45-46页 |
| 4.2.4 支持向量机的多值分类 | 第46-47页 |
| 4.2.5 静态手势识别实验结果与分析 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 5 人机交互设计实现 | 第49-56页 |
| 5.1 交互手势的设计 | 第49-52页 |
| 5.1.1 缩放手势设计 | 第49-50页 |
| 5.1.2 点击手势设计 | 第50-51页 |
| 5.1.3 抓取手势设计 | 第51-52页 |
| 5.2 实验结果与分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
