基于Kinect的手势识别研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景与意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 人手检测国内外研究现状 | 第11-13页 |
| 1.3.2 手势识别国内外研究现状 | 第13-15页 |
| 1.3.2.1 静态手势识别研究现状 | 第13-14页 |
| 1.3.2.2 动态手势识别研究现状 | 第14-15页 |
| 1.4 主要研究工作与论文结构 | 第15-18页 |
| 1.4.1 主要研究工作 | 第15-16页 |
| 1.4.2 论文的组织结构 | 第16-18页 |
| 第2章 人手定位与分割 | 第18-37页 |
| 2.1 设计思路 | 第18页 |
| 2.2 目标检测框架的搭建 | 第18-21页 |
| 2.2.1 目标检测框架的选取 | 第18-19页 |
| 2.2.2 YOLO目标检测框架的结构 | 第19-21页 |
| 2.3 人手检测数据采集与标记 | 第21-23页 |
| 2.3.1 人手检测数据采集方案 | 第21-22页 |
| 2.3.2 数据采集平台搭建 | 第22页 |
| 2.3.3 数据标记 | 第22-23页 |
| 2.4 人手检测器的训练 | 第23-27页 |
| 2.4.1 人手检测器的训练方法 | 第23-24页 |
| 2.4.2 人手检测模型的评价标准 | 第24-25页 |
| 2.4.3 训练过程 | 第25-27页 |
| 2.5 人手分割 | 第27-33页 |
| 2.5.1 彩色图像上的人手分割 | 第27-30页 |
| 2.5.2 深度图像上的人手分割 | 第30-33页 |
| 2.6 实验结果与分析 | 第33-36页 |
| 2.6.1 彩色图像上的人手定位与分割 | 第33-34页 |
| 2.6.2 深度图像上的人手定位与分割 | 第34-35页 |
| 2.6.3 结果分析 | 第35-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第3章 手势特征提取 | 第37-50页 |
| 3.1 设计思路 | 第37页 |
| 3.2 特征学习 | 第37-41页 |
| 3.2.1 自编码器的结构 | 第38-39页 |
| 3.2.2 卷积自编码器 | 第39-40页 |
| 3.2.3 特征学习框架 | 第40-41页 |
| 3.3 卷积自编码器网络结构设计 | 第41-43页 |
| 3.3.1 编码器网络结构设计 | 第41-42页 |
| 3.3.2 解码器网络结构设计 | 第42-43页 |
| 3.4 手势识别数据集采集 | 第43-45页 |
| 3.5 自编码器的训练 | 第45-47页 |
| 3.6 实验结果与分析 | 第47-49页 |
| 3.6.1 卷积层可视化效果 | 第47-48页 |
| 3.6.2 特征提取效果对比 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第4章 手势识别 | 第50-62页 |
| 4.1 设计思路 | 第50-51页 |
| 4.2 静态手势识别 | 第51-52页 |
| 4.2.1 静态手势识别框架 | 第51-52页 |
| 4.2.2 多模型融合方法 | 第52页 |
| 4.3 动态手势识别 | 第52-57页 |
| 4.3.1 动态手势起止点定位 | 第53页 |
| 4.3.2 动态手势序列长度规整 | 第53-54页 |
| 4.3.3 时间序列的处理 | 第54-56页 |
| 4.3.4 动态手势的分类 | 第56-57页 |
| 4.4 实验结果与分析 | 第57-61页 |
| 4.4.1 静态手势分类实验 | 第57-58页 |
| 4.4.2 动态手势分类实验 | 第58-59页 |
| 4.4.3 对比实验 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 全文工作总结 | 第62-63页 |
| 5.2 下一步工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的科研成果 | 第69页 |
