基于全自主仿人智能机器人的手势控制系统的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文主要研究工作 | 第15-16页 |
| 1.4 本文的章节安排 | 第16-18页 |
| 第2章 基于视觉的静态手势识别技术综述 | 第18-26页 |
| 2.1 颜色空间 | 第18-20页 |
| 2.1.1 RGB 颜色空间 | 第18-19页 |
| 2.1.2 HSV 颜色空间 | 第19-20页 |
| 2.1.3 YCbCr 颜色空间 | 第20页 |
| 2.2 手势的预处理 | 第20-23页 |
| 2.2.1 手势的分割 | 第20-21页 |
| 2.2.2 手势图像的噪声处理 | 第21-23页 |
| 2.3 手势建模方法 | 第23-24页 |
| 2.4 手势的特征提取算法 | 第24页 |
| 2.5 静态手势识别算法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 仿人智能机器人平台上的手势分割和特征提取 | 第26-37页 |
| 3.1 颜色空间的选定 | 第26-27页 |
| 3.2 YC_bC_r空间下的手势分割 | 第27-31页 |
| 3.2.1 基于亮度索引的混合高斯模型 | 第27-29页 |
| 3.2.2 手势图像的去噪 | 第29-30页 |
| 3.2.3 极大连通域的提取 | 第30-31页 |
| 3.3 手势图像的特征提取 | 第31-36页 |
| 3.3.1 手势的边界提取 | 第31-32页 |
| 3.3.2 基于距离变换的手势中心点的提取 | 第32-34页 |
| 3.3.3 基于曲率的手指指尖点检测算法设计 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于几何特征和高斯模型的手势识别算法研究 | 第37-44页 |
| 4.1 手势图像的几何特征分析 | 第37-38页 |
| 4.1.1 手势图像的性质 | 第37-38页 |
| 4.1.2 本系统采用的手势几何特征分析 | 第38页 |
| 4.2 本系统采用的手势几何特征的不变性证明 | 第38-40页 |
| 4.3 分类器的设计与实现 | 第40-42页 |
| 4.3.1 基于手指指尖点的一级分类器设计 | 第41页 |
| 4.3.2 基于高斯概率模型的二级分类器设计 | 第41-42页 |
| 4.4 手势识别算法流程及详细介绍 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 仿人智能机器人平台介绍及实验结果分析 | 第44-53页 |
| 5.1 全自主仿人智能机器人介绍 | 第44-45页 |
| 5.2 实验结果介绍与分析 | 第45-52页 |
| 5.2.1 手势区域提取实验 | 第46-47页 |
| 5.2.2 手势的几何特征提取实验 | 第47-48页 |
| 5.2.3 手势识别结果分析 | 第48-51页 |
| 5.2.4 实验结果对比 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |
