| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于数据手套的手势识别 | 第11-12页 |
| 1.2.2 基于视觉的手势识别 | 第12-16页 |
| 1.3 本文的主要工作和结构安排 | 第16-18页 |
| 第二章 基于Kinect传感器的手势轮廓提取 | 第18-22页 |
| 2.1 Kinect传感器获取RGB-D图像的原理 | 第18-19页 |
| 2.2 手势的检测与分割 | 第19-20页 |
| 2.3 手势的轮廓提取 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于手指增强多尺度描述的手势识别方法研究 | 第22-39页 |
| 3.1 算法流程 | 第22页 |
| 3.2 基于手指增强的多尺度描述子 | 第22-28页 |
| 3.2.1 单连通区域描述 | 第23-24页 |
| 3.2.2 基于手指增强的多尺度描述子定义 | 第24-27页 |
| 3.2.3 预设圆半径和最大层数的设定 | 第27-28页 |
| 3.3 基于手指增强描述的手势识别方法 | 第28-34页 |
| 3.3.1 动态时间规整算法 | 第28-32页 |
| 3.3.2 BP神经网络算法 | 第32-34页 |
| 3.4 实验与分析 | 第34-38页 |
| 3.4.1 FMD的鲁棒性和不变性评估 | 第34-36页 |
| 3.4.2 FMD的准确率和效率评估 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于显著特征点提取的手势识别方法研究 | 第39-53页 |
| 4.1 算法流程 | 第39页 |
| 4.2 手势轮廓点的特征提取 | 第39-41页 |
| 4.3 显著特征点的提取 | 第41-44页 |
| 4.4 基于改进的动态时间规整算法的手势识别 | 第44-46页 |
| 4.5 实验与分析 | 第46-51页 |
| 4.5.1 NTU数据库 | 第48页 |
| 4.5.2 KinectLeap数据库 | 第48-49页 |
| 4.5.3 Senz3d数据库 | 第49页 |
| 4.5.4 鲁棒性评估 | 第49-50页 |
| 4.5.5 一些特殊情形的讨论 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 基于3DSC的手势识别方法研究 | 第53-64页 |
| 5.1 算法流程 | 第53-54页 |
| 5.2 3DSC算法描述 | 第54-57页 |
| 5.2.1 经典SC算法 | 第54-55页 |
| 5.2.2 3DSC算法 | 第55-57页 |
| 5.3 基于动态时间规整的手势识别 | 第57-58页 |
| 5.4 实验与分析 | 第58-62页 |
| 5.4.1 基于三个标准数据库的实验结果分析 | 第60-61页 |
| 5.4.2 鲁棒性能的实验分析 | 第61-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间取得的科研成果 | 第71-72页 |
| 致谢 | 第72-73页 |