基于Kinect深度信息的手势识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10页 |
| ·手势识别的研究概况 | 第10-13页 |
| ·手势识别技术的发展状况 | 第10-12页 |
| ·基于数字手套的手势识别 | 第10-12页 |
| ·基于视觉的手势识别 | 第12页 |
| ·基于深度信息的手势交互技术 | 第12-13页 |
| ·本文主要研究内容及方法 | 第13-14页 |
| ·论文的章节安排 | 第14-16页 |
| 第二章 深度图像获取与预处理 | 第16-24页 |
| ·开发环境介绍 | 第16-19页 |
| ·Kinect 传感器 | 第16-17页 |
| ·OpenNI 框架 | 第17-19页 |
| ·深度图像的获取 | 第19-21页 |
| ·深度信息的表示 | 第19-20页 |
| ·深度信息与距离的转换 | 第20页 |
| ·深度图像到 RGB 图像的配准 | 第20-21页 |
| ·深度图像预处理 | 第21-23页 |
| ·深度中值滤波 | 第21-22页 |
| ·形态学操作 | 第22-23页 |
| ·本章总结 | 第23-24页 |
| 第三章 基于深度信息的静态手势识别 | 第24-37页 |
| ·引言 | 第24页 |
| ·手部提取 | 第24-26页 |
| ·基于阈值分割获取手部图像 | 第25页 |
| ·基于聚类算法区分左右手 | 第25-26页 |
| ·手指识别 | 第26-33页 |
| ·手部凸包检测 | 第26-27页 |
| ·手部轮廓检测 | 第27-28页 |
| ·掌心检测 | 第28-29页 |
| ·手指检测 | 第29-33页 |
| ·手势识别及其应用 | 第33-36页 |
| ·手指名字识别 | 第33-35页 |
| ·手势数字识别 | 第35-36页 |
| ·本章总结 | 第36-37页 |
| 第四章 基于深度信息的动态手势识别 | 第37-45页 |
| ·引言 | 第37页 |
| ·骨架追踪 | 第37-39页 |
| ·提取骨骼特征 | 第37-39页 |
| ·平滑滤波 | 第39页 |
| ·动态手势识别 | 第39-44页 |
| ·动态规划原理 | 第39-40页 |
| ·加权 DTW 动态规划 | 第40-41页 |
| ·动态规划算法流程 | 第41-42页 |
| ·实验结果 | 第42-44页 |
| ·本章总结 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| ·总结 | 第45-46页 |
| 第六章 下一步工作 | 第46-48页 |
| 致谢 | 第48-49页 |
| 攻读硕士期间科研成果 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 详细摘要 | 第53-56页 |
