基于Kinect的手势识别及其在多媒体辅助教学中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 kinect 摄像头简介 | 第8-10页 |
| 1.2.1 Kincet 技术应用 | 第9-10页 |
| 1.2.2 Kinect 缺陷 | 第10页 |
| 1.3 手势识别研究简介 | 第10-11页 |
| 1.4 论文主要研究内容 | 第11-12页 |
| 1.5 论文结构 | 第12-14页 |
| 第二章 Kinect 深度摄像头的标定 | 第14-33页 |
| 2.1 Kinect 摄像头深度值获取原理 | 第14-16页 |
| 2.2 标定常用坐标系变换 | 第16-20页 |
| 2.2.1 图像像素坐标系与成像平面坐标系 | 第16-17页 |
| 2.2.2 摄像头坐标系 | 第17-19页 |
| 2.2.3 世界坐标系 | 第19-20页 |
| 2.3 棋盘标定原理 | 第20-23页 |
| 2.3.1 摄像头标定方法分类 | 第20-21页 |
| 2.3.2 获取单应性矩阵 | 第21-22页 |
| 2.3.3 获取内参 | 第22-23页 |
| 2.4 镜头的畸变 | 第23-25页 |
| 2.4.1 镜头的径向畸变 | 第23-24页 |
| 2.4.2 镜头的切向畸变 | 第24-25页 |
| 2.5 标定实验与分析 | 第25-32页 |
| 2.5.1 标定事项以及流程 | 第25-26页 |
| 2.5.2 试验分析 | 第26-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 静态手势的识别 | 第33-49页 |
| 3.1 静态手势识别软件结构 | 第33页 |
| 3.2 静态手势识别预处理 | 第33-42页 |
| 3.2.1 深度值转换 | 第33-34页 |
| 3.2.2 人体轮廓提取 | 第34-35页 |
| 3.2.3 使用骨骼系统获取坐标 | 第35-36页 |
| 3.2.4 手势区域分割 | 第36-39页 |
| 3.2.5 手势静止状态识别 | 第39-40页 |
| 3.2.6 轮廓平滑处理以及边缘提取 | 第40-42页 |
| 3.3 特征提取 | 第42-43页 |
| 3.4 基于模板匹配的静态手势识别 | 第43-45页 |
| 3.5 静态手势实验与分析 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 动态手势的识别 | 第49-67页 |
| 4.1 动态手势识别软件结构 | 第49页 |
| 4.2 动态手势预处理 | 第49-54页 |
| 4.2.1 手势动态检测 | 第50-53页 |
| 4.2.2 去抖动 | 第53-54页 |
| 4.3 动态手势特征提取 | 第54-56页 |
| 4.4 基于 HMM 的手势识别 | 第56-64页 |
| 4.3.1 隐马尔科夫的模型表达 | 第56-59页 |
| 4.3.2 HMM 的基本问题 | 第59-60页 |
| 4.3.3 使用的相关算法简介 | 第60-62页 |
| 4.3.4 未定义的手势辨别 | 第62-64页 |
| 4.5 动态手势实验与分析 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 手势识别在多媒体辅助教学上的应用 | 第67-73页 |
| 5.1 手势识别系统的组成 | 第67-70页 |
| 5.1.1 软件组成 | 第67页 |
| 5.1.2 硬件组成 | 第67页 |
| 5.1.3 系统架构 | 第67-70页 |
| 5.2 手势识别在多媒体教学上的应用 | 第70-72页 |
| 5.2.1 多媒体教学中功能的实现 | 第70页 |
| 5.2.2 教室布置 | 第70-72页 |
| 5.3 应用实例 | 第72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 本文总结 | 第73页 |
| 6.2 改进以及展望 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 发表论文和参加科研情况说明 | 第77-78页 |
| 致谢 | 第78页 |
