基于RGB-D深度信息的手势识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11页 |
| ·论文研究的主要内容 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 2 手势识别 | 第14-25页 |
| ·手势识别概念 | 第14-16页 |
| ·基于数据手套的手势识别 | 第14-15页 |
| ·基于视觉的手势识别 | 第15-16页 |
| ·静态手势识别研究 | 第16-20页 |
| ·手势分割 | 第17页 |
| ·特征提取 | 第17-18页 |
| ·分类识别 | 第18-20页 |
| ·动态手势识别研究 | 第20-24页 |
| ·手部分割 | 第21页 |
| ·手势跟踪 | 第21页 |
| ·特征提取 | 第21页 |
| ·分类识别 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 3 kinect简介与深度信息获取及预处理 | 第25-35页 |
| ·开发环境介绍 | 第25-28页 |
| ·Kinect传感器 | 第25-27页 |
| ·Open NI框架 | 第27-28页 |
| ·深度图像获取与数据预处理 | 第28-34页 |
| ·深度信息的获取 | 第28-31页 |
| ·深度信息干扰源 | 第31-32页 |
| ·高斯滤波 | 第32-33页 |
| ·中值滤波 | 第33页 |
| ·形态学图像处理 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于kinect深度图像的静态手势识别 | 第35-51页 |
| ·融合肤色模型的深度阈值手部提取 | 第35-39页 |
| ·基于深度阈值分割获取手势 | 第36-37页 |
| ·肤色分割 | 第37-38页 |
| ·手势边缘检测 | 第38-39页 |
| ·指尖检测 | 第39-46页 |
| ·手部凸包检测 | 第39-41页 |
| ·掌心检测 | 第41页 |
| ·手指检测 | 第41-46页 |
| ·手势识别 | 第46-50页 |
| ·手势识别验证 | 第46-48页 |
| ·鲁棒性检验 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5 基于kinect深度图像的动态手势识别 | 第51-61页 |
| ·动态手势识别概述 | 第51页 |
| ·动态手势特征提取及模板库建立 | 第51-55页 |
| ·手势起点和终点检测 | 第51-52页 |
| ·手心点运动轨迹 | 第52-53页 |
| ·动态手势模板库建立 | 第53-55页 |
| ·动态手势分类识别 | 第55-58页 |
| ·时间序列分类问题 | 第55页 |
| ·DTW原理及实现过程 | 第55-56页 |
| ·DTW路径约束 | 第56-58页 |
| ·实验结果与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表论文及科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |
