用于3D场景视频会议的手势识别系统的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题背景 | 第11页 |
| ·基于视觉的手势识别技术及其研究现状 | 第11-15页 |
| ·手势识别技术的发展 | 第12页 |
| ·常用的手势识别技术 | 第12-14页 |
| ·手势识别的难点 | 第14-15页 |
| ·论文主要内容及论文安排 | 第15-16页 |
| 第二章 Kinect 使用研究 | 第16-24页 |
| ·Kinect 结构及原理介绍 | 第16-18页 |
| ·Kinect 结构参数[17] | 第16-17页 |
| ·Kinect 深度图采集原理 | 第17-18页 |
| ·深度图处理 | 第18-23页 |
| ·Kinect 底层框架 | 第18-19页 |
| ·深度图数据处理 | 第19-22页 |
| ·转换为三维点云 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 静态手势识别 | 第24-35页 |
| ·手势定位与提取 | 第24-26页 |
| ·基于距离的分割 | 第24-25页 |
| ·用最近邻法则进行手部提取 | 第25-26页 |
| ·手势识别 | 第26-33页 |
| ·手势模型分析 | 第26-27页 |
| ·方向校正 | 第27-29页 |
| ·特征提取 | 第29-30页 |
| ·特征训练 | 第30-33页 |
| ·结果验证 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 动态手势识别 | 第35-53页 |
| ·动态手势识别模型 | 第35-36页 |
| ·轨迹特征提取 | 第36-41页 |
| ·位置分析 | 第36页 |
| ·速率与加速度分析 | 第36-37页 |
| ·方向角 | 第37-38页 |
| ·特征提取及优化 | 第38-41页 |
| ·HMM 算法介绍 | 第41-42页 |
| ·HMM 三个基本问题及解法 | 第42-49页 |
| ·评价问题解法 | 第42-45页 |
| ·解码问题解法 | 第45-46页 |
| ·训练问题解法 | 第46-49页 |
| ·结果验证 | 第49-52页 |
| ·模型训练 | 第49-51页 |
| ·动态手势识别 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 实时手势识别演示系统 | 第53-61页 |
| ·静态手势识别 | 第53-56页 |
| ·系统启动和识别 | 第53-54页 |
| ·手势旋转对识别的影响 | 第54-56页 |
| ·动态手势识别 | 第56-57页 |
| ·静态与动态手势结合识别应用 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·本文工作总结 | 第61页 |
| ·研究展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间已发表或录用的论文 | 第66-67页 |
| 附件 | 第67-69页 |
