基于单幅深度图像的手部姿态重建和识别
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·手势识别概况 | 第10-16页 |
| ·手势识别技术 | 第10-11页 |
| ·基于彩色视觉的手势识别方法 | 第11-14页 |
| ·手势识别的应用 | 第14-16页 |
| ·本文的相关技术背景 | 第16-20页 |
| ·手势识别发展趋势 | 第16-17页 |
| ·Kinect等深度摄像头介绍 | 第17-18页 |
| ·Kinect与本文方法 | 第18-20页 |
| ·论文工作和内容安排 | 第20-21页 |
| 第二章 手部姿态识别方法的分析和设计 | 第21-32页 |
| ·基于RGB图像的方法 | 第21-22页 |
| ·基于深度图像的方法 | 第22-27页 |
| ·基于低分辨率深度图像的手势识别 | 第22-25页 |
| ·基于深度图像轮廓的手势识别 | 第25-27页 |
| ·本文方法 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于颜色分割的训练数据生成 | 第32-43页 |
| ·训练数据的生成 | 第32-42页 |
| ·训练集生成方式 | 第33-35页 |
| ·颜色手套的设计 | 第35页 |
| ·手套颜色的平滑处理 | 第35-38页 |
| ·手套的颜色空间转换 | 第38-40页 |
| ·Mean shift进行颜色分割 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 深度图像的特征提取 | 第43-52页 |
| ·从深度图像提取特征 | 第43-50页 |
| ·深度特征提取方法的设计 | 第43-45页 |
| ·深度特征提取方法的实现 | 第45-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 随机森林的生成和优化 | 第52-66页 |
| ·随机森林的生成和使用 | 第52-54页 |
| ·随机森林 | 第52-53页 |
| ·用随机森林进行训练和分类 | 第53-54页 |
| ·参数取值的实验过程 | 第54-64页 |
| ·参数范围定义 | 第56-57页 |
| ·参数优化实验 | 第57-63页 |
| ·实验结果 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 基于关键点位置估计的手部姿态重建和识别 | 第66-76页 |
| ·Mean shift方法 | 第66-68页 |
| ·本文方法 | 第68-72页 |
| ·带有高斯核和权值的Mean shift方法 | 第68-69页 |
| ·由随机森林得到的概率分布 | 第69-71页 |
| ·算法流程 | 第71-72页 |
| ·实验效果 | 第72-75页 |
| ·基于重建结果的姿态识别 | 第75页 |
| ·本章小结 | 第75-76页 |
| 第七章 总结与展望 | 第76-78页 |
| ·工作总结 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
