基于深度信息的非接触互动技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 人机交互技术的发展现状 | 第13-14页 |
| 1.2.2 人机交互中的手势识别 | 第14-15页 |
| 1.2.3 基于深度信息的非接触式手势交互 | 第15-16页 |
| 1.3 论文结构与内容 | 第16-18页 |
| 2 深度信息的获取及预处理 | 第18-26页 |
| 2.1 Kinect体感器 | 第18-20页 |
| 2.2 深度信息的获取及配准 | 第20-22页 |
| 2.2.1 深度图像的获取 | 第20-21页 |
| 2.2.2 深度信息与距离的坐标转换 | 第21页 |
| 2.2.3 深度图像与RGB图像的配准 | 第21-22页 |
| 2.3 图像预处理 | 第22-25页 |
| 2.3.1 图像噪声来源分析 | 第22-23页 |
| 2.3.2 高斯滤波 | 第23-24页 |
| 2.3.3 中值滤波 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 非接触静态手势识别 | 第26-53页 |
| 3.1 静态手势识别算法 | 第26-27页 |
| 3.2 手部分割 | 第27-33页 |
| 3.2.1 手部分割方法 | 第27-29页 |
| 3.2.2 改进的阈值分割方法 | 第29-31页 |
| 3.2.3 改进的阈值分割方法结果分析 | 第31-33页 |
| 3.3 指尖检测算法手势识别 | 第33-42页 |
| 3.3.1 指尖检测算法原理 | 第33-36页 |
| 3.3.2 手部轮廓提取 | 第36-37页 |
| 3.3.3 掌心点检测 | 第37-38页 |
| 3.3.4 k-余弦曲率算法指尖检测 | 第38-40页 |
| 3.3.5 手势识别结果 | 第40-42页 |
| 3.4 CNN算法手势识别 | 第42-52页 |
| 3.4.1 CNN结构原理 | 第44-47页 |
| 3.4.2 CNN的学习规则与训练过程 | 第47-49页 |
| 3.4.3 CNN算法手势识别的样本采集与训练 | 第49-51页 |
| 3.4.4 CNN算法识别结果 | 第51页 |
| 3.4.5 与指尖检测算法对比 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 基于动态手势跟踪的非接触人机交互 | 第53-67页 |
| 4.1 手势的跟踪算法 | 第53-55页 |
| 4.2 基于手势深度信息的指尖跟踪 | 第55-57页 |
| 4.3 卡尔曼滤波跟踪 | 第57-60页 |
| 4.3.1 卡尔曼滤波原理及模型 | 第58-59页 |
| 4.3.2 指尖跟踪轨迹的卡尔曼滤波平滑实现 | 第59-60页 |
| 4.4 非接触的演示人机交互 | 第60-63页 |
| 4.4.1 非接触的人机交互 | 第60-62页 |
| 4.4.2 距离触发机制的人机交互新方法 | 第62-63页 |
| 4.5 实验结果与分析 | 第63-66页 |
| 4.6 本章小结 | 第66-67页 |
| 5 非接触互动技术在演示系统的应用 | 第67-72页 |
| 5.1 系统开发环境 | 第67页 |
| 5.2 演示系统的设计 | 第67-69页 |
| 5.2.1 演示系统主体框架设计 | 第67-68页 |
| 5.2.2 演示系统功能模块 | 第68-69页 |
| 5.3 演示系统模块的实现 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 个人简历、在学校期间发表的学术论文与研究成果 | 第78-79页 |
| 致谢 | 第79页 |
