基于KINECT的多粒度手势识别研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题背景与意义 | 第14-15页 |
| 1.2 国内外研究概况 | 第15-19页 |
| 1.2.1 手势的描述与识别 | 第15-17页 |
| 1.2.2 基于深度图像的识别 | 第17-19页 |
| 1.3 本文的研究内容与组织结构 | 第19-21页 |
| 1.3.1 主要研究内容 | 第19-20页 |
| 1.3.2 组织结构 | 第20-21页 |
| 第二章 远距离下的手势识别 | 第21-33页 |
| 2.1 概述 | 第21页 |
| 2.2 多粒度特征表示 | 第21-26页 |
| 2.2.1 手势特征模型 | 第21-22页 |
| 2.2.2 手势特征表示 | 第22-24页 |
| 2.2.3 各特征对多粒度识别的影响 | 第24-26页 |
| 2.3 手势特征匹配 | 第26-30页 |
| 2.3.1 HMM与DTW算法 | 第26-28页 |
| 2.3.2 改进的DTW匹配方法 | 第28-30页 |
| 2.4 实验与结果分析 | 第30-32页 |
| 2.4.1 多粒度识别有效性验证 | 第30-31页 |
| 2.4.2 用户自定义手势判别验证 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 近距离下的手势识别 | 第33-44页 |
| 3.1 概述 | 第33页 |
| 3.2 深度图像的获取和预处理 | 第33-39页 |
| 3.2.1 Kinect深度图像的获取原理 | 第33-35页 |
| 3.2.2 深度图像的预处理 | 第35-39页 |
| 3.3 上身关键关节点的生成 | 第39-43页 |
| 3.4 实验与分析 | 第43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于KINECT的手势识别系统构建与实现 | 第44-49页 |
| 4.1 概述 | 第44页 |
| 4.2 应用需求 | 第44页 |
| 4.3 原型系统框架 | 第44-45页 |
| 4.4 系统实例 | 第45-48页 |
| 4.4.1 数据结构设计 | 第45-47页 |
| 4.4.2 手势数据采集程序 | 第47-48页 |
| 4.4.3 手势识别处理程序 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 论文总结 | 第49-50页 |
| 5.2 论文展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第55-56页 |
