| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 基于穿戴设备的手势识别 | 第9页 |
| 1.2.2 基于视觉的手势识别 | 第9-10页 |
| 1.2.3 基于深度信息的手势识别 | 第10页 |
| 1.3 手势识别基本步骤概述 | 第10-12页 |
| 1.4 本文研究内容和意义 | 第12-13页 |
| 1.4.1 本文研究内容 | 第12页 |
| 1.4.2 本文研究意义 | 第12-13页 |
| 1.5 本文章节结构 | 第13-14页 |
| 第2章 手势深度图像获取 | 第14-22页 |
| 2.1 KINECT简介 | 第14-16页 |
| 2.1.1 Kinect原理 | 第14-15页 |
| 2.1.2 Kinect关键技术 | 第15页 |
| 2.1.3 Kinect的局限 | 第15-16页 |
| 2.2 开发环境 | 第16-19页 |
| 2.2.1 Kinect驱动 | 第16页 |
| 2.2.2 OpenNI框架 | 第16-18页 |
| 2.2.3 Kinect for Windows SDK框架 | 第18-19页 |
| 2.3 图像采集 | 第19-22页 |
| 2.3.1 深度图像存储方式 | 第19-20页 |
| 2.3.2 深度图像和彩色图像匹配 | 第20-21页 |
| 2.3.3 采集图像 | 第21-22页 |
| 第3章 基于深度图像预处理 | 第22-28页 |
| 3.1 3D点云构造 | 第22-23页 |
| 3.2 形态学处理 | 第23-24页 |
| 3.3 手势分割 | 第24-28页 |
| 3.3.1 肤色分割 | 第25-26页 |
| 3.3.2 深度阈值分割 | 第26页 |
| 3.3.3 骨骼节点分割 | 第26-28页 |
| 第4章 基于深度图像的手势特征提取 | 第28-39页 |
| 4.1 手势轮廓提取 | 第28-29页 |
| 4.1.1 轮廓设计 | 第28-29页 |
| 4.1.2 轮廓获取 | 第29页 |
| 4.2 掌心特征提取 | 第29-30页 |
| 4.2.1 掌心特征设计 | 第29-30页 |
| 4.2.2 掌心获取 | 第30页 |
| 4.3 凹槽特征提取 | 第30-33页 |
| 4.3.1 凹槽特征设计 | 第30-32页 |
| 4.3.2 凹槽获取 | 第32-33页 |
| 4.4 指尖特征提取 | 第33-36页 |
| 4.4.1 指尖特征设计 | 第33-34页 |
| 4.4.2 指尖提取 | 第34-36页 |
| 4.5 旋转特征提取 | 第36-39页 |
| 4.5.1 旋转特征设计 | 第36-37页 |
| 4.5.2 旋转提取 | 第37-39页 |
| 第5章 基于核稀疏与深度图像的手势识别 | 第39-53页 |
| 5.1 引言 | 第39-40页 |
| 5.2 稀疏表示理论和核概念 | 第40-41页 |
| 5.3 核稀疏表示动态手势识别算法 | 第41-48页 |
| 5.3.1 算法设计 | 第41-43页 |
| 5.3.2 算法实现 | 第43-46页 |
| 5.3.3 实验结果和分析 | 第46-48页 |
| 5.4 手势识别应用 | 第48-53页 |
| 5.4.1 应用设计 | 第48-49页 |
| 5.4.2 流程框架图 | 第49页 |
| 5.4.3 实现框架 | 第49-51页 |
| 5.4.4 应用效果 | 第51-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53-54页 |
| 6.2 进一步工作的方向 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录：学习得到核稀疏字典 | 第59页 |