基于深度信息的手势识别研究及应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 本文所做的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 相关研究综述 | 第17-29页 |
| 2.1 传统的手势识别方法介绍 | 第17-22页 |
| 2.1.1 基于数据手套的手势识别 | 第17-18页 |
| 2.1.2 基于视觉的手势识别 | 第18-19页 |
| 2.1.3 模糊神经网络算法 | 第19-21页 |
| 2.1.4 HMM识别算法 | 第21-22页 |
| 2.2 基于Kinect的深度信息的获取 | 第22-25页 |
| 2.2.1 图像深度信息的获取 | 第22-23页 |
| 2.2.2 Kinect简介 | 第23页 |
| 2.2.3 Kinect工作原理及流程 | 第23-25页 |
| 2.3 手指检测算法 | 第25-28页 |
| 2.3.1 凸缺陷序列检测手指 | 第26-27页 |
| 2.3.2 基于轮廓曲率检测手指 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 手势识别的关键技术 | 第29-43页 |
| 3.1 总体概述 | 第29-30页 |
| 3.2 手掌的分割及掌心定位 | 第30-32页 |
| 3.2.1 预假设 | 第31页 |
| 3.2.2 手掌区域的分割 | 第31-32页 |
| 3.2.3 掌心定位 | 第32页 |
| 3.3 基于深度特征及空间测量最短路径的手指识别 | 第32-37页 |
| 3.3.1 手指识别算法的架构 | 第32-34页 |
| 3.3.2 基于局部特征的手指检测 | 第34-35页 |
| 3.3.3 基于空间测量最短路径的手指识别 | 第35-37页 |
| 3.4 基于粒子滤波的手指追踪 | 第37-40页 |
| 3.4.1 粒子滤波的介绍 | 第37-38页 |
| 3.4.2 指尖追踪 | 第38-40页 |
| 3.5 手势识别 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 算法实现及分析 | 第43-49页 |
| 4.1 开发环境介绍 | 第43页 |
| 4.2 实验结果 | 第43-48页 |
| 4.2.1 手指检测 | 第43-44页 |
| 4.2.2 手指识别 | 第44-46页 |
| 4.2.3 手势识别 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 三维虚拟图书馆的构建及手势识别的应用 | 第49-66页 |
| 5.1 三维虚拟图书馆总体概括 | 第49-52页 |
| 5.1.1 整体架构设计 | 第49-50页 |
| 5.1.2 功能设计 | 第50-52页 |
| 5.2 三维虚拟图书馆的关键技术 | 第52-56页 |
| 5.2.1 书籍检索技术 | 第52-53页 |
| 5.2.2 场景中碰撞检测技术 | 第53-54页 |
| 5.2.3 基于S/C的多人交互技术 | 第54-56页 |
| 5.3 三维虚拟图书馆功能模块的实现 | 第56-63页 |
| 5.3.1 场景模块实现 | 第56-57页 |
| 5.3.2 书籍处理模块实现 | 第57-59页 |
| 5.3.3 场景中碰撞检测技术的实现 | 第59-60页 |
| 5.3.4 多人交互技术的实现 | 第60-63页 |
| 5.4 手势识别在场景中的交互 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
