| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 引言 | 第10页 |
| 1.2 运动捕捉技术概述 | 第10-14页 |
| 1.2.1 光学式捕捉系统 | 第11-13页 |
| 1.2.2 非光学式捕捉系统 | 第13-14页 |
| 1.3 运动捕捉技术的国内外现状 | 第14-16页 |
| 1.4 运动捕捉技术的前景与存在的问题 | 第16-17页 |
| 1.5 本文的研究内容 | 第17页 |
| 1.6 论文架构 | 第17-19页 |
| 第2章 常用运动捕捉方法介绍 | 第19-26页 |
| 2.1 轮廓提取的常用方法 | 第19-23页 |
| 2.1.1 图像分割经典算子 | 第20-21页 |
| 2.1.2 阈值法 | 第21页 |
| 2.1.3 形态学处理方法 | 第21-23页 |
| 2.1.4 人工神经元网络方法 | 第23页 |
| 2.1.5 多尺度图像分割方法 | 第23页 |
| 2.2 特征提取的方法 | 第23-24页 |
| 2.3 特征点预测算法 | 第24-25页 |
| 2.3.1 Kalman 滤波概述 | 第24-25页 |
| 2.3.2 粒子滤波概述 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 手掌检测与手掌轮廓提取 | 第26-37页 |
| 3.1 运动检测技术 | 第26-29页 |
| 3.1.1 背景差分法 | 第26-27页 |
| 3.1.2 帧间差分法 | 第27页 |
| 3.1.3 光流法 | 第27-28页 |
| 3.1.4 本文所使用的方法 | 第28-29页 |
| 3.2 深度图像及其获取方法 | 第29-33页 |
| 3.2.1 深度图像概述 | 第29页 |
| 3.2.2 深度图像的获取方式 | 第29-33页 |
| 3.2.3 本文采用的深度图像来源 | 第33页 |
| 3.3 深度模板与彩色图像融合提取边缘 | 第33-36页 |
| 3.3.1 深度模板 | 第33页 |
| 3.3.2 手掌边缘提取 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于 Kalman 滤波的手掌特征点提取与捕捉 | 第37-48页 |
| 4.1 Kalman 滤波器 | 第37-42页 |
| 4.1.1 Kalman 滤波模型的数学描述 | 第38页 |
| 4.1.2 Kalman 滤波器的推导 | 第38-40页 |
| 4.1.3 Kalman 滤波器的参数 | 第40页 |
| 4.1.4 Kalman 滤波器预测算法 | 第40-42页 |
| 4.2 手掌特征提取 | 第42-44页 |
| 4.3 手掌的运动捕捉 | 第44-47页 |
| 4.3.1 Cam-shift 捕捉算法 | 第44-45页 |
| 4.3.2 Kalman 滤波器指导下的 Cam-shift 捕捉算法 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-52页 |
| 5.1 实验素材与实验平台 | 第48页 |
| 5.2 实验总体流程 | 第48页 |
| 5.3 捕捉方法对比结果与分析 | 第48-51页 |
| 5.4 生成三维运动序列 | 第51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |