基于Kinect的手势图像识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究意义 | 第9-10页 |
| 1.2 国内外手语识别研究概况 | 第10-12页 |
| 1.2.1 国外手势识别研究概况 | 第11页 |
| 1.2.2 国内手势识别研究概况 | 第11-12页 |
| 1.3 本文主要研究内容及组织结构 | 第12-14页 |
| 第2章 手势图像预处理 | 第14-29页 |
| 2.1 手势图像采集 | 第14-15页 |
| 2.2 手部ROI区域获取 | 第15-21页 |
| 2.2.1 基于彩色图像的肤色检测 | 第15-17页 |
| 2.2.2 基于深度图像的前景分割 | 第17-20页 |
| 2.2.3 基于彩色和深度图像的融合分割方法 | 第20-21页 |
| 2.3 手势图像滤波 | 第21-22页 |
| 2.4 手势图像形态学处理 | 第22-26页 |
| 2.4.1 形态学基本运算 | 第22-24页 |
| 2.4.2 图像形态学处理实验与分析 | 第24-26页 |
| 2.5 手势图像边缘检测 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 手势图像特征提取 | 第29-39页 |
| 3.1 手势图像几何特征描述 | 第29-32页 |
| 3.1.1 图像区域特征描述方法 | 第29-30页 |
| 3.1.2 图像形状特征描述 | 第30-32页 |
| 3.2 Hu矩特征提取方法 | 第32-37页 |
| 3.2.1 矩的概念及相关变换 | 第32-35页 |
| 3.2.2 Hu矩 | 第35-37页 |
| 3.3 手势特征提取实验及结果 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 手势图像识别算法实现 | 第39-54页 |
| 4.1 支持向量机(SVM)手势识别 | 第39-43页 |
| 4.1.1 支持向量机的算法分析 | 第39-41页 |
| 4.1.2 基于SVM算法的手势识别 | 第41-43页 |
| 4.2 神经网络(BP)手势识别 | 第43-49页 |
| 4.2.1 BP神经网络算法分析 | 第44-46页 |
| 4.2.2 基于BP神经网络算法的手势识别 | 第46-49页 |
| 4.3 随机森林(RF)手势识别 | 第49-52页 |
| 4.3.1 随机森林的算法分析 | 第49-51页 |
| 4.3.2 基于RF算法的手势识别 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 手势识别实验结果及分析 | 第54-63页 |
| 5.1 实验环境搭建 | 第54-56页 |
| 5.2 实验设计及结果分析 | 第56-62页 |
| 5.2.1 手势库建立 | 第56-57页 |
| 5.2.2 实验结果及分析 | 第57-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第6章 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
