无标记实时人手运动跟踪研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 无标记实时人手运动跟踪技术研究现状 | 第11-15页 |
| 1.2.1 基于表观的人手运动跟踪研究现状 | 第12-13页 |
| 1.2.2 基于模型的人手运动跟踪研究现状 | 第13-14页 |
| 1.2.3 基于混合方法的人手运动跟踪研究现状 | 第14-15页 |
| 1.3 本文研究内容及结构安排 | 第15-17页 |
| 第二章 人手图像兴趣区域提取研究 | 第17-30页 |
| 2.1 引言 | 第17-18页 |
| 2.2 深度图像的获取 | 第18页 |
| 2.3 基于骨骼跟踪的人手粗略定位 | 第18-19页 |
| 2.4 基于图像分割的人手精细定位 | 第19-25页 |
| 2.4.1 人手图像特征提取算法 | 第20-23页 |
| 2.4.2 随机决策森林算法 | 第23-24页 |
| 2.4.3 分类结果后处理 | 第24-25页 |
| 2.5 人手兴趣区域提取实验结果及分析 | 第25-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于表观跟踪方法的重初始化技术研究 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 三维人手模型 | 第30-34页 |
| 3.2.1 人手几何模型 | 第31页 |
| 3.2.2 人手运动学模型 | 第31-33页 |
| 3.2.3 三维骨骼蒙皮模型 | 第33-34页 |
| 3.3 人手训练数据集的生成 | 第34-40页 |
| 3.3.1 合成深度图的生成方法 | 第35-37页 |
| 3.3.2 随机手势生成方法 | 第37-40页 |
| 3.4 基于随机森林分类器的手势分类 | 第40-44页 |
| 3.4.1 手势分类特征提取方法 | 第40-41页 |
| 3.4.2 手势分类的实验结果分析 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于模型拟合的姿态参数优化求解研究 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 粒子群优化算法 | 第46-47页 |
| 4.3 模型拟合目标函数建立 | 第47-48页 |
| 4.4 基于GPU加速的模型拟合技术研究 | 第48-55页 |
| 4.4.1 基于CUDA的PSO并行算法 | 第48-54页 |
| 4.4.2 CUDA与Ogre纹理数据通信方法 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 无标记实时人手运动跟踪实验研究 | 第56-66页 |
| 5.1 引言 | 第56页 |
| 5.2 实验平台及实验方案设计 | 第56-58页 |
| 5.2.1 实验平台 | 第56-57页 |
| 5.2.2 实验方案设计 | 第57-58页 |
| 5.3 实验结果分析 | 第58-65页 |
| 5.3.1 匹配误差算法 | 第58-59页 |
| 5.3.2 合成深度图实验 | 第59-62页 |
| 5.3.3 真实数据实验 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 主要研究工作总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 作者攻读学位期间发表的学术论文 | 第71页 |
