基于Kinect的手势识别技术在人机交互中的应用研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的意义 | 第10-11页 |
| 1.2 KINECT体感技术简介 | 第11页 |
| 1.3 KINECT原理 | 第11-13页 |
| 1.3.1 KINECT关键技术 | 第12-13页 |
| 1.3.2 KINECT局限性 | 第13页 |
| 1.4 国内外研究现状 | 第13-15页 |
| 1.4.1 人机交互 | 第13-14页 |
| 1.4.2 手势识别 | 第14-15页 |
| 1.4.3 动态手势识别 | 第15页 |
| 1.5 研究内容和组织结构 | 第15-17页 |
| 第2章 手势识别技术概述 | 第17-23页 |
| 2.1 基于三维模型的手势识别 | 第17-18页 |
| 2.2 基于视觉外观的手势识别 | 第18-21页 |
| 2.2.1 静态手势识别 | 第18-20页 |
| 2.2.2 动态手势识别 | 第20-21页 |
| 2.3 智能电视交互场景下的常用手势 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于深度图像的静态手势识别 | 第23-34页 |
| 3.1 基于阈值的手势分割 | 第23-27页 |
| 3.1.1 KINECT深度传感器 | 第24页 |
| 3.1.2 阈值的确定 | 第24-26页 |
| 3.1.3 K-MEANS分割手势区域 | 第26-27页 |
| 3.2 手势轮廓预处理 | 第27-29页 |
| 3.2.1 手势轮廓提取 | 第27页 |
| 3.2.2 手势轮廓近似 | 第27-28页 |
| 3.2.3手势轮廓的最小凸包 | 第28-29页 |
| 3.3 提取手指点 | 第29-31页 |
| 3.3.1 FT-GB算法 | 第29-30页 |
| 3.3.2 A THRES参数的设定 | 第30-31页 |
| 3.4 静态手势的识别 | 第31-33页 |
| 3.4.1 静态手势的定义 | 第31-32页 |
| 3.4.2 静态手势的识别 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 动态手势识别和DTW算法改进 | 第34-45页 |
| 4.1 动态手语决策树与抓取手势 | 第34-36页 |
| 4.2 光标移动手势 | 第36-37页 |
| 4.3 轨迹书写手势 | 第37-39页 |
| 4.4 空间手写轨迹识别 | 第39-44页 |
| 4.4.1 轨迹特征 | 第40-41页 |
| 4.4.2 DTW算法 | 第41-42页 |
| 4.4.3 基于位置相似度权重的基距离 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 系统实现与测试 | 第45-52页 |
| 5.1 系统环境与软件架构 | 第45-46页 |
| 5.2 手指点检测 | 第46-47页 |
| 5.3 静态手势识别检测 | 第47-48页 |
| 5.4 动态手势识别检测 | 第48页 |
| 5.5 空间手写轨迹的识别检测 | 第48-51页 |
| 5.6 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 改进与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
