交互立体显示的人机交互算法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 人机交互技术研究背景 | 第9-10页 |
| 1.2 面向交互立体显示的人机交互技术 | 第10-12页 |
| 1.3 本文的研究内容和创新点 | 第12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第2章 人脸检测 | 第14-32页 |
| 2.1 肤色检测候选区域选取 | 第14-19页 |
| 2.1.1 色彩空间 | 第14-15页 |
| 2.1.2 肤色模型 | 第15-16页 |
| 2.1.3 肤色检测的实现 | 第16-19页 |
| 2.2 基于特征绑定的人脸检测 | 第19-29页 |
| 2.2.1 特征绑定的基本概念 | 第19-20页 |
| 2.2.2 特征提取与计算 | 第20-22页 |
| 2.2.3 热点区域选取与绑定 | 第22-24页 |
| 2.2.4 分类器结构 | 第24-26页 |
| 2.2.5 与其他人脸检测方法的对比 | 第26-29页 |
| 2.3 实验结果展示及检测率统计 | 第29-32页 |
| 第3章 瞳孔定位 | 第32-43页 |
| 3.1 ADABOOST和SVM瞳孔精确定位 | 第32-36页 |
| 3.1.1 SVM高维识别 | 第32-34页 |
| 3.1.2 Adaboost和SVM级联结构 | 第34-36页 |
| 3.2 卡尔曼平滑滤波 | 第36-41页 |
| 3.2.1 卡尔曼滤波简介 | 第36-38页 |
| 3.2.2 卡尔曼运动模型选择 | 第38-39页 |
| 3.2.3 卡尔曼滤波参数确定 | 第39-40页 |
| 3.2.4 滤波结果测试 | 第40-41页 |
| 3.3 实验结果展示及检测率统计 | 第41-43页 |
| 第4章 手势轨迹采集及特征提取 | 第43-52页 |
| 4.1 KINECT样本提取 | 第43-46页 |
| 4.1.1 Kinect关节信息提取 | 第45页 |
| 4.1.2 试验样本选取及采集 | 第45-46页 |
| 4.2 改进的方向编码 | 第46-50页 |
| 4.2.1 方向编码与特征提取 | 第47-48页 |
| 4.2.2 码数选择与编码改进 | 第48-49页 |
| 4.2.3 方向编码方法比较 | 第49-50页 |
| 4.3 手势采集及特征提取实例 | 第50-52页 |
| 第5章 手势识别及人机交互 | 第52-63页 |
| 5.1 组合手势及分段识别 | 第52-55页 |
| 5.1.1 分段识别及基本手势选择 | 第54页 |
| 5.1.2 拐点检测设定 | 第54-55页 |
| 5.2 基本手势段识别 | 第55-58页 |
| 5.2.1 状态转移模型选择 | 第56-57页 |
| 5.2.2 初始化模型选择 | 第57-58页 |
| 5.2.3 状态数目选择 | 第58页 |
| 5.3 交互系统设计及立体界面响应 | 第58-63页 |
| 5.3.1 系统结构框架说明 | 第58-60页 |
| 5.3.2 系统交互界面设计 | 第60页 |
| 5.3.3 交互系统应用实例 | 第60-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间科研成果 | 第71-72页 |
