基于Kinect的手势识别与机器人控制技术研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-24页 |
| ·研究背景 | 第12-13页 |
| ·Kinect简介 | 第13-16页 |
| ·Kinect结构 | 第13-14页 |
| ·Kinect关键技术 | 第14-15页 |
| ·Kinect的局限 | 第15-16页 |
| ·国内外研究现状 | 第16-21页 |
| ·人机交互 | 第16-17页 |
| ·人体动作识别 | 第17-19页 |
| ·手势检测与识别 | 第19-21页 |
| ·论文的研究内容 | 第21页 |
| ·论文的研究意义 | 第21-22页 |
| ·论文的章节结构 | 第22-24页 |
| 2 手势识别方法分析 | 第24-32页 |
| ·手势识别概述 | 第24-26页 |
| ·基于数据手套的手势识别 | 第24-25页 |
| ·基于视觉的手势识别 | 第25-26页 |
| ·静态手势识别 | 第26-28页 |
| ·神经网络方法 | 第26-27页 |
| ·模板匹配方法 | 第27-28页 |
| ·基于指尖检测方法 | 第28页 |
| ·动态手势识别 | 第28-30页 |
| ·基于语法的方法 | 第29-30页 |
| ·基于统计的方法 | 第30页 |
| ·基于模板的方法 | 第30页 |
| ·本章小结 | 第30-32页 |
| 3 基于双层深度图像信息的静态手势识别 | 第32-44页 |
| ·Kinect人体骨骼模型 | 第32-34页 |
| ·静态手势分割 | 第34-36页 |
| ·基于双层深度图像的手势轮廓提取 | 第36-39页 |
| ·伸直手指轮廓检测算法 | 第37-38页 |
| ·弯曲手指轮廓检测算法 | 第38-39页 |
| ·用K曲率算法识别手指指尖 | 第39-41页 |
| ·K曲率算法中K参数的实验与分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 4 基于DTW算法的动态手势识别 | 第44-54页 |
| ·动态手势预处理 | 第44-45页 |
| ·DTW算法 | 第45-47页 |
| ·基于DTW的动态手势识别 | 第47-50页 |
| ·动态手势识别与静态手势识别融合 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 5 基于Kinect的手势识别系统实现 | 第54-64页 |
| ·手势识别软件开发环境与架构 | 第54-55页 |
| ·软件的开发环境 | 第54页 |
| ·软件的逻辑架构 | 第54-55页 |
| ·基于双层深度信息的静态手势识别实现 | 第55-59页 |
| ·手势分割的实验测试 | 第56-57页 |
| ·手势轮廓提取的实验测试 | 第57-58页 |
| ·静态手势识别的实验测试 | 第58-59页 |
| ·基于DTW的动态手势识别实现 | 第59-63页 |
| ·动态手势训练的实验测试 | 第60-61页 |
| ·动态手势识别的实验测试 | 第61-62页 |
| ·动态手势识别与静态手势识别的融合测试 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6 基于手势识别的机器人控制应用 | 第64-72页 |
| ·机器人控制系统的设计 | 第64-67页 |
| ·六边形机器人 | 第65页 |
| ·机器人控制器的选择 | 第65-67页 |
| ·静态手势识别在机器人控制中的应用 | 第67-68页 |
| ·动态手势识别在机器人控制中的应用 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 7 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·改进与展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78-82页 |
| 学位论文数据集 | 第82页 |
