| 详细摘要 | 第4-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 手势识别技术的概况 | 第12-15页 |
| 1.2.1 手势识别技术的分类 | 第12页 |
| 1.2.2 手势识别系统的整体结构 | 第12-15页 |
| 1.2.3 国内外视觉手势识别研究现状 | 第15页 |
| 1.3 手势识别的难点 | 第15-16页 |
| 1.3.1 手势区域检测影响 | 第15-16页 |
| 1.3.2 手势识别环境影响 | 第16页 |
| 1.4 本文研究工作及组织结构 | 第16-18页 |
| 第二章 KINECT图像的获取与处理 | 第18-24页 |
| 2.1 KINECT介绍 | 第18-19页 |
| 2.1.1 Kinect的硬件组成 | 第18-19页 |
| 2.1.2 Kinect的成像原理 | 第19页 |
| 2.2 深度图像获取 | 第19-21页 |
| 2.2.1 深度图像获取方法 | 第19页 |
| 2.2.2 像素位置与实际位置转化 | 第19-20页 |
| 2.2.3 彩色图像转化 | 第20-21页 |
| 2.3 图像预处理 | 第21-22页 |
| 2.3.1 噪声来源 | 第21页 |
| 2.3.2 高斯滤波 | 第21-22页 |
| 2.3.3 中值滤波 | 第22页 |
| 2.4 小结 | 第22-24页 |
| 第三章 静态手势识别 | 第24-33页 |
| 3.1 区域提取 | 第24-26页 |
| 3.2 重置手心 | 第26-28页 |
| 3.3 指尖检测算法 | 第28-32页 |
| 3.3.1 曲率指尖检测算法 | 第28-29页 |
| 3.3.2 重心距离检测 | 第29-30页 |
| 3.3.3 基于凸包和缺陷点的检测 | 第30-32页 |
| 3.3.4 指尖的对比 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 动态手势识别 | 第33-47页 |
| 4.1 人体检测与跟踪 | 第33-34页 |
| 4.2 手势提取 | 第34页 |
| 4.3 动态识别算法比较 | 第34-44页 |
| 4.3.1 隐马尔可夫算法 | 第34-39页 |
| 4.3.2 最长公共子序列 | 第39-41页 |
| 4.3.3 动态时间规整 | 第41-44页 |
| 4.4 实验算法的确定 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 平台的搭建和在教学中的具体应用 | 第47-55页 |
| 5.1 OPENCV和VISUAL STUDIO介绍 | 第47-48页 |
| 5.1.1 Visual Studio介绍 | 第47页 |
| 5.1.2 OpenCV介绍 | 第47-48页 |
| 5.2 OPENNI和MICROSOFTSDK介绍 | 第48页 |
| 5.3 KINECT开发环境配置 | 第48-50页 |
| 5.4 手势控制在教学中的应用 | 第50-54页 |
| 5.4.1 静态手势对图片的控制 | 第50-51页 |
| 5.4.2 动态手势对PPT的控制 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 论文总结 | 第55-56页 |
| 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |