| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 手势识别技术的分类 | 第10-11页 |
| 1.3 国内外手势识别技术研究现状 | 第11-14页 |
| 1.4 本文结构安排 | 第14-15页 |
| 第2章 实验平台设计与分析 | 第15-23页 |
| 2.1 Kinect传感器 | 第15-21页 |
| 2.1.1 Kinect传感器的硬件组成 | 第16-17页 |
| 2.1.2 Kinect深度信息的获取 | 第17-18页 |
| 2.1.3 Kinect投影矩阵转换 | 第18-20页 |
| 2.1.4 Kinect的应用前景 | 第20-21页 |
| 2.2 Open NI2介绍 | 第21-22页 |
| 2.3 本章总结 | 第22-23页 |
| 第3章 手势提取及预处理 | 第23-31页 |
| 3.1 手势识别流程 | 第23页 |
| 3.2 手部跟踪 | 第23-25页 |
| 3.3 手部分割 | 第25-26页 |
| 3.4 图像处理 | 第26-29页 |
| 3.4.1 平滑处理 | 第27-28页 |
| 3.4.2 图像形态学处理 | 第28-29页 |
| 3.5 轮廓提取 | 第29-30页 |
| 3.6 本章总结 | 第30-31页 |
| 第4章 静态手势识别技术研究 | 第31-53页 |
| 4.1 动静态手势分类方法 | 第31-32页 |
| 4.2 静态手势特征提取方法 | 第32-35页 |
| 4.3 用于手势识别的BP神经网络设计 | 第35-45页 |
| 4.3.1 BP神经网络基本原理 | 第35-41页 |
| 4.3.2 BP神经网络设计实现 | 第41-43页 |
| 4.3.3 BP神经网络的训练 | 第43-44页 |
| 4.3.4 实验结果与分析 | 第44-45页 |
| 4.4 用于手势识别的GA改进BP神经网络设计 | 第45-52页 |
| 4.4.1 遗传算法基本介绍 | 第46页 |
| 4.4.2 遗传算法改进BP神经网络算法的实现 | 第46-49页 |
| 4.4.3 GA改进BP神经网络的训练及其结果分析 | 第49-52页 |
| 4.5 本章总结 | 第52-53页 |
| 第5章 动态手势识别技术研究 | 第53-63页 |
| 5.1 运动轨迹描述子提取方法 | 第53-54页 |
| 5.2 动态手势学习识别算法 | 第54-62页 |
| 5.2.1 DTW算法基本原理 | 第54-57页 |
| 5.2.2 DTW算法实现 | 第57-59页 |
| 5.2.3 动态手势的选取和实验环境 | 第59-61页 |
| 5.2.4 实验结果分析 | 第61-62页 |
| 5.3 本章总结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |