| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.3 存在的问题 | 第20页 |
| 1.4 本文主要工作 | 第20-21页 |
| 1.5 章节安排 | 第21-24页 |
| 第二章 基于Kinect的手语数据获取和预处理 | 第24-34页 |
| 2.1 Kinect for Windows摄像头 | 第24-30页 |
| 2.1.1 Kinect硬件 | 第24-25页 |
| 2.1.2 Kinect软件开发包 | 第25-29页 |
| 2.1.3 Kinect应用 | 第29-30页 |
| 2.2 基于Kinect的运动轨迹数据 | 第30-31页 |
| 2.2.1 运动轨迹数据获取 | 第30页 |
| 2.2.2 运动轨迹数据预处理 | 第30-31页 |
| 2.3 基于Kinect深度图像的手部分割 | 第31-32页 |
| 2.3.1 手部深度图像分割 | 第31-32页 |
| 2.3.2 手部深度图像预处理 | 第32页 |
| 2.4 实验结果与分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 手语特征提取和独立词手语识别 | 第34-56页 |
| 3.1 基于运动信息的轨迹特征提取 | 第34-37页 |
| 3.1.1 三维位置特征 | 第34-35页 |
| 3.1.2 球坐标特征 | 第35-36页 |
| 3.1.3 基于角度变化双手相对位置特征 | 第36-37页 |
| 3.1.4 基于球坐标的双手运动轨迹特征 | 第37页 |
| 3.2 基于深度图像和运动信息的手形特征提取 | 第37-42页 |
| 3.2.1 基于MATLAB图像处理工具的手形特征 | 第38-39页 |
| 3.2.2 HOG描述子 | 第39-41页 |
| 3.2.3 基于角度变化的双手手形特征 | 第41-42页 |
| 3.3 独立词手语的分类识别 | 第42-46页 |
| 3.3.1 SVM算法 | 第43页 |
| 3.3.2 ELM算法 | 第43-45页 |
| 3.3.3 基于ELM中国手语识别方法 | 第45-46页 |
| 3.4 实验结果分析与识别界面设计 | 第46-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 连续手语识别 | 第56-72页 |
| 4.1 常用的连续手语识别算法 | 第56-58页 |
| 4.1.1 隐马尔科夫模型 | 第56-57页 |
| 4.1.2 动态规划 | 第57-58页 |
| 4.1.3 动态时间规整 | 第58页 |
| 4.1.4 条件随机场 | 第58页 |
| 4.2 基于LDCRF的连续手语分割算法 | 第58-67页 |
| 4.2.1 CRF基本原理 | 第58-64页 |
| 4.2.2 LDCRF基本原理 | 第64-66页 |
| 4.2.3 基于LDCRF的连续手语分割原理 | 第66-67页 |
| 4.3 实验结果与分析 | 第67-70页 |
| 4.4 本章小结 | 第70-72页 |
| 第五章 总结和展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士学位期间发表的论文 | 第84-85页 |
| 附件 | 第85页 |