| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的研究内容 | 第15-16页 |
| 1.4 论文工作安排 | 第16-19页 |
| 第二章 Kinect 传感器软硬件结构及工作原理 | 第19-31页 |
| 2.1 Kinect 传感器硬件结构 | 第19-23页 |
| 2.1.1 Kinect 的核心处理器——PS1080SoC | 第20页 |
| 2.1.2 红外线发射器和红外线 CMOS 摄像头 | 第20-21页 |
| 2.1.3 RGB 彩色摄像头 | 第21页 |
| 2.1.4 四元麦克风阵列 | 第21-22页 |
| 2.1.5 Moving Touch 传动马达电动机 | 第22-23页 |
| 2.2 Kinect 传感器软件系统 | 第23-26页 |
| 2.2.1 NUI（Natural User Interface，自然用户界面） API | 第24-25页 |
| 2.2.2 Kinect Audio DMO | 第25页 |
| 2.2.3 Windows Speech SDK | 第25-26页 |
| 2.3 Kinect 深度图像及预处理 | 第26-31页 |
| 2.3.1 传统深度图像获取方法 | 第26-27页 |
| 2.3.2 Kinect 深度信息表示方法 | 第27页 |
| 2.3.3 深度信息转换为实际位置 | 第27-28页 |
| 2.3.4 深度图像到 RGB 彩色图像的校准 | 第28-31页 |
| 第三章 基于 Kinect 深度图像的静态手势识别 | 第31-47页 |
| 3.1 引言 | 第31页 |
| 3.2 手势图像采集和预处理 | 第31-34页 |
| 3.3 手势图像分割 | 第34-36页 |
| 3.4 手势特征提取 | 第36-38页 |
| 3.4.1 Hu 矩 | 第36-37页 |
| 3.4.2 手指个数 | 第37-38页 |
| 3.5 分类器的选择与训练 | 第38-43页 |
| 3.5.1 分类器的选择 | 第39-40页 |
| 3.5.2 支持向量机 | 第40-41页 |
| 3.5.3 SVM 分类结果影响因素 | 第41-43页 |
| 3.6 实验结果及分析 | 第43-46页 |
| 3.7 小结 | 第46-47页 |
| 第四章 基于 Kinect 传感器的动态姿势识别 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 特征提取 | 第48-51页 |
| 4.2.1 特征提取方法 | 第48页 |
| 4.2.2 骨骼模型特征 | 第48-49页 |
| 4.2.3 特征提取 | 第49-50页 |
| 4.2.4 动态姿势起点和终点的界定 | 第50-51页 |
| 4.3 动态姿势识别 | 第51-55页 |
| 4.3.1 动态姿势识别方法 | 第51-52页 |
| 4.3.2 动态时间规整（DTW）算法 | 第52-53页 |
| 4.3.3 改进的 DTW 算法 | 第53-55页 |
| 4.4 实验结果及分析 | 第55-58页 |
| 4.5 小结 | 第58-59页 |
| 第五章 动态姿势控制网页软件设计 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 系统环境及开发流程 | 第59-61页 |
| 5.3 系统操作流程及功能实现 | 第61-68页 |
| 5.4 系统性能测试 | 第68-71页 |
| 5.5 小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81页 |
