| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 设备作业虚拟仿真中的交互技术研究现状 | 第12-14页 |
| 1.2.2 人体动作姿态识别交互技术研究现状 | 第14-16页 |
| 1.2.3 手势图像识别交互技术研究现状 | 第16-20页 |
| 1.3 交互设备的选取 | 第20-23页 |
| 1.4 本文的研究内容与组织框架 | 第23-24页 |
| 1.5 本章小结 | 第24-25页 |
| 第二章 基于PCA-KNN算法的人体骨骼姿态识别交互 | 第25-41页 |
| 2.1 引言 | 第25-26页 |
| 2.2 人体骨骼数据的获取与处理 | 第26-31页 |
| 2.2.1 骨骼图像数据的采集与降噪滤波预处理 | 第26-29页 |
| 2.2.2 交互者的身高体型差异消除 | 第29-30页 |
| 2.2.3 骨骼数据的归一化处理 | 第30-31页 |
| 2.3 基于PCA-KNN算法的骨骼姿态模式识别 | 第31-36页 |
| 2.3.1 骨骼姿态数据结构与模式指令映射 | 第32-33页 |
| 2.3.2 基于融合型算法的骨骼姿态相似度计算 | 第33-36页 |
| 2.4 基于手关节数据的轨迹引导交互 | 第36-39页 |
| 2.5 实验分析与验证 | 第39-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 基于HMM-SVM算法的手势图像识别交互 | 第41-57页 |
| 3.1 引言 | 第41-42页 |
| 3.2 基于Kinect彩色和深度图像对齐融合的手势分割 | 第42-45页 |
| 3.2.1 原始彩色图像与深度图像的采集与预处理 | 第42-44页 |
| 3.2.2 交互者手势图像的分割 | 第44-45页 |
| 3.3 手势图像的Hog与Sift双特征提取 | 第45-49页 |
| 3.3.1 基于方向梯度直方图的手势特征提取 | 第45-46页 |
| 3.3.2 基于尺度不变性的手势特征提取 | 第46-49页 |
| 3.4 基于HMM-SVM模型的手势分类 | 第49-55页 |
| 3.4.1 手势识别模型训练和混合算法模型构建 | 第49-53页 |
| 3.4.2 基于混合模型的手势实时分类 | 第53-55页 |
| 3.5 实验分析与验证 | 第55-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 多链式关节虚拟人运动模型构建及姿态手势映射 | 第57-72页 |
| 4.1 引言 | 第57-58页 |
| 4.2 虚拟人骨骼映射和多链式关节运动学模型建立 | 第58-62页 |
| 4.3 设备作业中的虚拟人动作姿态映射和动作库建立 | 第62-64页 |
| 4.3.1 动作姿态模式的分类定义与映射 | 第62-63页 |
| 4.3.2 动作姿态库的建立 | 第63-64页 |
| 4.4 设备作业中的虚拟人手势映射和手势库建立 | 第64-68页 |
| 4.4.1 手势交互模式的定义分类与映射 | 第64-65页 |
| 4.4.2 交互手势库的建立 | 第65-68页 |
| 4.5 基于中值滤波的虚拟人关节的稳定跟随 | 第68-69页 |
| 4.6 实验分析与验证 | 第69-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第五章 面向设备作业虚拟仿真的人体姿态和手势交互系统开发及应用 | 第72-89页 |
| 5.1 引言 | 第72页 |
| 5.2 系统开发工具及总体设计框架 | 第72-75页 |
| 5.2.1 基于人体姿态和手势交互的虚拟系统开发工具 | 第72-73页 |
| 5.2.2 系统的总体设计框架 | 第73-75页 |
| 5.3 系统交互界面设计 | 第75-78页 |
| 5.4 系统功能模块的实现 | 第78-82页 |
| 5.4.1 虚拟环境设备作业功能的实现 | 第78-80页 |
| 5.4.2 人体骨骼姿态识别交互和手势识别交互功能的实现 | 第80-82页 |
| 5.5 人体骨骼姿态和手势识别交互功能应用实例 | 第82-88页 |
| 5.6 本章小结 | 第88-89页 |
| 第六章 总结与展望 | 第89-91页 |
| 6.1 全文总结 | 第89-90页 |
| 6.2 工作展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 作者简历及在学期间所取得的科研成果 | 第95页 |
