基于Kinect的静态数字手语识别研究及系统实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 本文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文主要工作 | 第11页 |
| 1.4 论文内容安排 | 第11-13页 |
| 第二章 相关理论及技术简介 | 第13-19页 |
| 2.1 手语识别技术简介 | 第13-16页 |
| 2.1.1 常用的图像特征及提取方法 | 第13-15页 |
| 2.1.2 手语识别算法简介 | 第15-16页 |
| 2.2 Kinect简介 | 第16-18页 |
| 2.2.1 kinect的结构及应用 | 第16页 |
| 2.2.2 kinect的关键技术 | 第16-18页 |
| 2.3 OpenCV简介 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 静态数字手语识别 | 第19-31页 |
| 3.1 定义手部感兴趣区 | 第19-20页 |
| 3.2 图像去噪 | 第20-21页 |
| 3.3 特征提取算法 | 第21-26页 |
| 3.3.1 高度函数特征提取算法 | 第22-24页 |
| 3.3.2 内距离形状上下文特征提取算法 | 第24-26页 |
| 3.4 基于SVM的数字手语识别实验 | 第26-29页 |
| 3.4.1 SVM模型 | 第26-27页 |
| 3.4.2 数据集介绍 | 第27-28页 |
| 3.4.3 评价指标和比较算法 | 第28页 |
| 3.4.4 实验结果对比分析 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第四章 系统的设计及实现 | 第31-37页 |
| 4.1 系统主要流程 | 第31-32页 |
| 4.2 系统开发环境 | 第32页 |
| 4.2.1 软件开发环境 | 第32页 |
| 4.2.2 硬件开发环境 | 第32页 |
| 4.3 手部检测及追踪 | 第32-33页 |
| 4.4 静态数字手语识别系统的实现 | 第33-35页 |
| 4.4.1 系统初始界面 | 第33-34页 |
| 4.4.2 手语识别效果 | 第34-35页 |
| 4.5 本章小结 | 第35-37页 |
| 第五章 总结与展望 | 第37-39页 |
| 5.1 总结 | 第37页 |
| 5.2 展望 | 第37-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43-45页 |
| 参与的科研项目 | 第45-46页 |
