| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 非自然人机交互的手指跟踪 | 第12-13页 |
| 1.2.2 基于RGB图像输入 | 第13-14页 |
| 1.2.3 基于多相机输入的方法 | 第14页 |
| 1.2.4 基于深度图的方法 | 第14-15页 |
| 1.2.5 其他商业化系统 | 第15页 |
| 1.3 论文的研究内容 | 第15-16页 |
| 1.4 技术路线和章节概述 | 第16-19页 |
| 第2章 相关技术简介 | 第19-27页 |
| 2.1 手指运动状态表示 | 第19-20页 |
| 2.2 Kinect v2与Kinect v1对比 | 第20-21页 |
| 2.3 深度图像的获取 | 第21-23页 |
| 2.4 图像降噪技术 | 第23-25页 |
| 2.5 基于深度图像信息的轮廓提取算法 | 第25页 |
| 2.6 凸包检测方法 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 深度数据获取及手部轮廓提取 | 第27-45页 |
| 3.1 从Kinect数据源获取人体骨骼节点 | 第28-31页 |
| 3.1.1 Kinect数据源获取 | 第28-29页 |
| 3.1.2 空间坐标映射转换 | 第29-30页 |
| 3.1.3 深度图生成结果 | 第30-31页 |
| 3.2 手部区域划分 | 第31-32页 |
| 3.3 手部区域深度图滤波处理 | 第32-39页 |
| 3.3.1 中值滤波 | 第33-34页 |
| 3.3.2 双边滤波 | 第34-35页 |
| 3.3.3 滤波处理结果对比 | 第35-37页 |
| 3.3.4 使用改进的快速中值滤波处理深度信息 | 第37-39页 |
| 3.4 手部轮廓提取 | 第39-43页 |
| 3.4.1 Canny算子 | 第39-40页 |
| 3.4.2 Sobel算子 | 第40-41页 |
| 3.4.3 利用深度信息进行轮廓提取 | 第41-42页 |
| 3.4.4 边缘检测试验结果对比 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 手指关节点检测与跟踪 | 第45-59页 |
| 4.1 定义手指关节运动约束 | 第46-48页 |
| 4.2 凸包计算 | 第48-50页 |
| 4.2.1 改进的Graham扫描法 | 第49-50页 |
| 4.3 初始状态指尖节点检测 | 第50-51页 |
| 4.4 其他指关节点检测 | 第51-54页 |
| 4.4.1 凸包缺陷计算 | 第51-53页 |
| 4.4.2 指掌节点计算 | 第53页 |
| 4.4.3 指中节点计算 | 第53-54页 |
| 4.5 指关节点跟踪 | 第54-57页 |
| 4.5.1 指掌节点跟踪 | 第54-55页 |
| 4.5.2 指尖节点跟踪 | 第55页 |
| 4.5.3 指中节点跟踪 | 第55-56页 |
| 4.5.4 任意数量手指跟踪 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 实验结果 | 第59-67页 |
| 5.1 实验平台介绍 | 第59-60页 |
| 5.1.1 硬件平台介绍 | 第59-60页 |
| 5.1.2 软件平台介绍 | 第60页 |
| 5.2 实验结果 | 第60-63页 |
| 5.2.1 对环境变化情况的实验结果 | 第60-62页 |
| 5.2.2 多姿态下实验结果 | 第62-63页 |
| 5.3 算法性能分析 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67页 |
| 6.2 未来工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 发表论文和参加科研情况说明 | 第73-75页 |
| 致谢 | 第75-76页 |