基于Kinect的手势识别在人机交互中的应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 人机交互 | 第9-10页 |
| 1.2.2 手势识别 | 第10页 |
| 1.3 研究主要内容 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第2章 相关技术综述 | 第13-20页 |
| 2.1 Kinect介绍 | 第13-14页 |
| 2.1.1 Kinect硬件组成 | 第13-14页 |
| 2.1.2 Kinect成像原理 | 第14页 |
| 2.2 手势识别技术介绍 | 第14-18页 |
| 2.2.1 静态手势识别 | 第14-15页 |
| 2.2.2 动态手势识别 | 第15-18页 |
| 2.3 NAO机器人介绍 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于RGB-D深度图像的静态手势识别 | 第20-32页 |
| 3.1 基于RGB-D的手势分割 | 第20-26页 |
| 3.1.1 图像预处理 | 第21-22页 |
| 3.1.2 深度阈值分割 | 第22-23页 |
| 3.1.3 肤色分割 | 第23-25页 |
| 3.1.4 RGB-D分割 | 第25-26页 |
| 3.2 基于手势表观的特征提取 | 第26-29页 |
| 3.2.1 指尖数目特征 | 第26-28页 |
| 3.2.2 Hu矩特征 | 第28-29页 |
| 3.3 基于SVM的分类识别 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于手型和轨迹结合的动态手势识别 | 第32-48页 |
| 4.1 基于RGB-D分割和关键帧提取的手型识别 | 第33-39页 |
| 4.1.1 标记连通区域 | 第33-34页 |
| 4.1.2 基于手型面积变化的关键帧提取 | 第34-38页 |
| 4.1.3 对关键帧的静态手势识别 | 第38-39页 |
| 4.2 基于RGB-D分割和HMM的运动轨迹识别 | 第39-47页 |
| 4.2.1 基于RGB-D分割的轨迹预处理 | 第39-41页 |
| 4.2.2 轨迹特征提取 | 第41-42页 |
| 4.2.3 基于HMM的运动轨迹识别 | 第42-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 系统环境搭建及实验结果分析 | 第48-63页 |
| 5.1 人机交互系统开发环境与整体架构 | 第48-49页 |
| 5.1.1 开发环境 | 第48页 |
| 5.1.2 整体架构 | 第48-49页 |
| 5.2 NAO机器人编程环境搭建 | 第49-51页 |
| 5.2.1 建立NAO工程 | 第49-50页 |
| 5.2.2 连接控制NAO | 第50-51页 |
| 5.3 静态手势识别实验及在NAO中的控制应用 | 第51-55页 |
| 5.3.1 手势分割实验分析 | 第51-53页 |
| 5.3.2 特征提取实验分析 | 第53-54页 |
| 5.3.3 识别结果与NAO的控制应用 | 第54-55页 |
| 5.4 动态手势识别实验及在NAO中的控制应用 | 第55-62页 |
| 5.4.1 手型识别实验分析 | 第55-59页 |
| 5.4.2 轨迹识别实验分析 | 第59-60页 |
| 5.4.3 识别结果与NAO的控制应用 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简介 | 第71页 |
