面向智能会议系统的手眼联合交互技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 眼动跟踪技术研究现状及应用 | 第9-13页 |
| 1.2.1 眼动跟踪技术的研究现状 | 第9-12页 |
| 1.2.2 眼动跟踪技术的应用 | 第12-13页 |
| 1.3 手势识别技术研究现状及应用 | 第13-18页 |
| 1.3.1 手势识别技术的研究现状 | 第13-15页 |
| 1.3.2 手势识别技术的应用 | 第15-18页 |
| 1.4 本论文主要研究内容 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 基于球面交比的凝视点估计方法 | 第20-46页 |
| 2.1 人眼生理模型 | 第20-23页 |
| 2.1.1 人眼结构和模型 | 第20-21页 |
| 2.1.2 人眼运动模式 | 第21-22页 |
| 2.1.3 眼睛及其运动参数 | 第22页 |
| 2.1.4 眼球模型 | 第22-23页 |
| 2.2 基于虚拟平面的凝视点估计方法 | 第23-28页 |
| 2.3 基于球面交比的凝视点估计方法 | 第28-31页 |
| 2.4 基于球面交比的凝视点估计方法实现 | 第31-43页 |
| 2.4.1 人眼、光斑、瞳孔中心检测 | 第32-39页 |
| 2.4.2 回归分析 | 第39-41页 |
| 2.4.3 凝视点估计 | 第41-43页 |
| 2.5 实验结果分析 | 第43-45页 |
| 2.5.1 实验设置 | 第43-44页 |
| 2.5.2 实验结果及分析 | 第44-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第三章 基于边信息的手势识别方法 | 第46-62页 |
| 3.1 基于深度信息的手势识别方法 | 第46-52页 |
| 3.1.1 传统的动态时间规整算法(DTW) | 第46-49页 |
| 3.1.2 BEGIN-END动态时间规整算法 | 第49-50页 |
| 3.1.3 加窗动态时间规整算法 | 第50-52页 |
| 3.2 基于边信息的手势识别方法 | 第52-58页 |
| 3.2.1 边信息 | 第52-54页 |
| 3.2.2 手部检测 | 第54-55页 |
| 3.2.3 手势特征 | 第55-56页 |
| 3.2.4 边信息检测 | 第56-58页 |
| 3.2.5 手势结束点判断 | 第58页 |
| 3.3 实验结果分析 | 第58-61页 |
| 3.3.1 实验设置 | 第58-60页 |
| 3.3.2 实验识别结果 | 第60-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第四章 智能会议系统的设计与实现 | 第62-68页 |
| 4.1 系统硬件 | 第62-64页 |
| 4.2 系统软件 | 第64-67页 |
| 4.2.1 系统框架 | 第64-65页 |
| 4.2.2 计算机控制模块 | 第65-67页 |
| 4.3 本章小结 | 第67-68页 |
| 第五章 结论 | 第68-70页 |
| 5.1 本文的主要贡献 | 第68-69页 |
| 5.2 下一步工作的展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 硕士期间取得的研究成果 | 第74-75页 |
