基于图像的人体姿势估计和手势识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要的研究工作 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 人体估计和手势识别相关工作 | 第16-27页 |
| 2.1 姿态估计 | 第16-17页 |
| 2.1.1 姿态估计的定义 | 第16页 |
| 2.1.2 姿态估计的一些困难 | 第16-17页 |
| 2.2 人体图结构模型 | 第17-20页 |
| 2.2.1 人体图结构定义 | 第17-19页 |
| 2.2.2 统计学描述 | 第19-20页 |
| 2.3 Kinect深度相机 | 第20-26页 |
| 2.3.1 Kinect简介 | 第20-21页 |
| 2.3.2 Kinect的成像原理 | 第21-22页 |
| 2.3.3 图像坐标的获取与坐标转换 | 第22-24页 |
| 2.3.4 深度图像的预处理 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 形状上下文的人体姿态分割估计 | 第27-39页 |
| 3.1 图像人体分割 | 第27-28页 |
| 3.2 形状上下文 | 第28-32页 |
| 3.2.1 Canny算子及轮廓提取 | 第29-30页 |
| 3.2.2 sharp context算法 | 第30-32页 |
| 3.3 在图模型中形状上下文的人体姿态估计 | 第32-33页 |
| 3.4 实验分析 | 第33-37页 |
| 3.5 本章总结 | 第37-39页 |
| 第四章 基于随机森林深度图像的手势识别 | 第39-55页 |
| 4.1 获得手部深度图像 | 第39-45页 |
| 4.1.1 深度图像的去噪 | 第39-41页 |
| 4.1.2 手势分割 | 第41-45页 |
| 4.2 基于随机森林的识别 | 第45-51页 |
| 4.2.1 特征提取 | 第45-49页 |
| 4.2.2 随机森林的训练 | 第49-50页 |
| 4.2.3 识别 | 第50-51页 |
| 4.3 实验结果 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的科研成果 | 第62页 |
