基于深度图像的手部运动状态捕捉
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·本文的工作 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 技术背景 | 第15-28页 |
| ·手部运动状态表示方法 | 第15-18页 |
| ·手部的解剖学表示 | 第15-17页 |
| ·角色动画 | 第17-18页 |
| ·深度图像的获取方法 | 第18-24页 |
| ·真实场景深度图的获取 | 第19-20页 |
| ·虚拟场景深度图的生成 | 第20-24页 |
| ·基于视觉原理的运动状态捕捉方法 | 第24-26页 |
| ·随机森林分类器 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 图像训练集生成 | 第28-36页 |
| ·手部模型的构建 | 第28-31页 |
| ·模型创建 | 第28-29页 |
| ·手部模型运动状态的驱动 | 第29-31页 |
| ·深度图生成 | 第31-34页 |
| ·视点到空间点距离值计算 | 第31-33页 |
| ·深度图生成结果 | 第33-34页 |
| ·标签图生成 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 手部像素分类与关节预测 | 第36-59页 |
| ·深度比较特征定义 | 第36-37页 |
| ·随机森林分类器生成 | 第37-42页 |
| ·训练样本集生成 | 第37-39页 |
| ·随机森林中决策树训练 | 第39-40页 |
| ·随机森林分类的后验概率 | 第40-41页 |
| ·随机森林训练参数 | 第41-42页 |
| ·真实人手关节预测 | 第42-44页 |
| ·手部像素分割 | 第43页 |
| ·关节位置计算方法 | 第43-44页 |
| ·实验与结果 | 第44-57页 |
| ·手部模型合成图像 | 第45-48页 |
| ·真实人手图像 | 第48-57页 |
| ·基于深度图的手部运动捕捉技术框架 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 应用系统 | 第59-66页 |
| ·适用于中风病人手部康复的体感游戏 | 第59-63页 |
| ·设计思路 | 第59-60页 |
| ·实现细节 | 第60-63页 |
| ·虚拟手交互模拟系统 | 第63-65页 |
| ·系统设计 | 第64页 |
| ·实现细节 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间主要的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
