| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 体感交互技术 | 第10-12页 |
| 1.2.2 手势识别 | 第12-14页 |
| 1.2.3 相关国内外研究现状 | 第14-17页 |
| 1.3 基于Kinect手势识别的虚拟环境体感交互的难点分析 | 第17-18页 |
| 1.4 本文主要研究内容及结构安排 | 第18-20页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 论文章节结构 | 第19-20页 |
| 第2章 基于手势识别的虚拟环境体感交互方法 | 第20-29页 |
| 2.1 虚拟环境体感交互系统设计 | 第20-21页 |
| 2.2 交互手势设计 | 第21-23页 |
| 2.3 深度数据的获取 | 第23-26页 |
| 2.3.1 Kinect概述 | 第23-25页 |
| 2.3.2 Kinect获取深度数据 | 第25页 |
| 2.3.3 单一人体深度图分割 | 第25-26页 |
| 2.4 构建人体“数字骨架” | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于Kinect的静态手势识别 | 第29-50页 |
| 3.1 基于Kinect的静态手势识别方法 | 第29-30页 |
| 3.2 人手检测 | 第30-35页 |
| 3.2.1 手部定位 | 第30页 |
| 3.2.2 手势分割 | 第30-32页 |
| 3.2.3 手势图像处理 | 第32-35页 |
| 3.3 手势特征提取 | 第35-41页 |
| 3.3.1 提取手势轮廓 | 第35-37页 |
| 3.3.2 定位手掌中心 | 第37-38页 |
| 3.3.3 检测手指尖 | 第38-41页 |
| 3.4 手势识别 | 第41-44页 |
| 3.4.1 静态手势表示 | 第41-43页 |
| 3.4.2 静态手势识别 | 第43-44页 |
| 3.5 识别结果分析 | 第44-49页 |
| 3.5.1 实验环境 | 第44页 |
| 3.5.2 简单场景下的测试及结果分析 | 第44-47页 |
| 3.5.3 复杂场景下的测试及结果分析 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 基于Kinect的动态手势识别 | 第50-68页 |
| 4.1 基于Kinect的动态手势识别方法 | 第50-51页 |
| 4.2 3D人手追踪 | 第51-52页 |
| 4.3 基于Kinect的动态手势特征构造 | 第52-56页 |
| 4.3.1 人手关节点的归一化处理 | 第52-55页 |
| 4.3.2 动态手势的表示 | 第55-56页 |
| 4.3.3 手势序列起点和终点检测 | 第56页 |
| 4.4 动态手势识别算法 | 第56-62页 |
| 4.4.1 DTW手势识别 | 第57-58页 |
| 4.4.2 改进的DTW手势识别 | 第58-62页 |
| 4.5 实验测试与分析 | 第62-67页 |
| 4.5.1 实验环境与实验数据 | 第62页 |
| 4.5.2 动态手势训练与测试 | 第62-64页 |
| 4.5.3 结果分析 | 第64-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 基于Kinect手势识别的虚拟矿井交互应用 | 第68-79页 |
| 5.1 虚拟矿井自然交互系统设计 | 第68-69页 |
| 5.2 系统开发平台 | 第69-73页 |
| 5.2.1 系统硬件平台 | 第70-71页 |
| 5.2.2 系统软件平台 | 第71-73页 |
| 5.3 交互手势定义 | 第73-75页 |
| 5.4 系统测试及结果分析 | 第75-78页 |
| 5.4.1 交互手势训练测试 | 第75-76页 |
| 5.4.2 虚拟矿井交互系统应用 | 第76-77页 |
| 5.4.3 虚拟矿井交互控制性能测试 | 第77-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 全文工作总结 | 第79-80页 |
| 6.2 下一步的研究与展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 作者攻读硕士期间从事的科研工作及其取得的成果 | 第87页 |