首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于Kinect的手势识别与多指手交互研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第10-16页
    1.1 研究背景和意义第10-11页
    1.2 国内外研究现状第11-14页
    1.3 本文的研究内容第14-16页
第2章 深度成像技术第16-21页
    2.1 Kinect的工作原理第16页
    2.2 Kinect的开发环境和技术架构第16-17页
    2.3 Kinect深度和骨骼信息的获取第17-19页
        2.3.1 Kinect深度信息的获取第17-18页
        2.3.2 kinect骨骼信息的获取第18-19页
    2.4 kinect坐标变换第19-20页
        2.4.1 深度图像空间坐标第19页
        2.4.2 骨骼空间坐标第19-20页
        2.4.3 坐标变换第20页
    2.5 本章小结第20-21页
第3章 基于彩色-深度信息和融合特征的手势识别第21-43页
    3.1 静态手势的图像分割第21-29页
        3.1.1 感兴趣区域手势的分割第21-22页
        3.1.2 色彩空间的选取第22-24页
        3.1.3 肤色模型的选取第24-27页
        3.1.4 手势图像的后处理第27-29页
    3.2 静态手势图像的特征提取第29-32页
        3.2.1 Hu不变矩第29-31页
        3.2.2 Hog特征第31-32页
    3.3 特征数据的降维第32-33页
    3.4 静态手势的分类识别第33-35页
        3.4.1 线性分类器第33-34页
        3.4.2 核函数第34-35页
    3.5 静态手势识别的实验及结果分析第35-42页
        3.5.1 数据采集和实验环境第35-36页
        3.5.2 Hu不变矩和HOG特征的提取实验第36-38页
        3.5.3 静态手势识别实验结果与分析第38-42页
    3.6 本章小结第42-43页
第4章 基于HMM和D-S证据理论的动态手势识别第43-57页
    4.1 动态手势的特征提取第43-45页
        4.1.1 手势运动轨迹的提取第44页
        4.1.2 手势运动轨迹的特征提取第44-45页
    4.2 隐马尔可夫模型的基本概念第45-46页
    4.3 隐马尔可夫模型的三个问题第46-49页
        4.3.1 评价问题第46-47页
        4.3.2 解码问题第47-48页
        4.3.3 学习问题第48-49页
    4.4 基于HMM和D-S证据理论的手势识别算法第49-52页
    4.5 动态手势识别的实验及结果分析第52-56页
        4.5.1 组合动态手势的定义第52-54页
        4.5.2 动态手势样本库的建立第54-55页
        4.5.3 动态手势识别的实验结果与分析第55-56页
    4.6 本章小结第56-57页
第5章 动静态多指手识别交互式软件系统设计第57-67页
    5.1 静态手势识别界面的设计第57页
    5.2 计算机与静态多指手的交互第57-63页
    5.3 动态手势识别界面的设计第63-64页
    5.4 计算机与动态多指手的交互第64-66页
    5.5 本章小结第66-67页
第6章 全文总结与展望第67-69页
    6.1 全文总结第67页
    6.2 展望第67-69页
致谢第69-70页
参考文献第70-75页
附录1 攻读硕士学位期间发表的论文及专利第75-76页
附录2 攻读硕士学位期间参加的科研项目第76页

论文共76页,点击 下载论文
上一篇:钼靶X线乳腺图像中的肿块检测与识别
下一篇:基于非刚性稠密匹配的变分光流计算技术研究