| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题的研究背景 | 第10页 |
| 1.2 手势识别的研究概况 | 第10-11页 |
| 1.2.1 国外研究概况 | 第10-11页 |
| 1.2.2 国内相关研究 | 第11页 |
| 1.3 手语手势 | 第11-15页 |
| 1.3.1 手语手势的研究前景 | 第11-12页 |
| 1.3.2 中国手语基础意义 | 第12-14页 |
| 1.3.3 手语识别研究的环境及面临的问题 | 第14-15页 |
| 1.4 论文的主要研究内容及章节安排 | 第15-17页 |
| 1.4.1 论文的主要研究内容 | 第15页 |
| 1.4.2 本文章节安排 | 第15-17页 |
| 第2章 深度图像获取 | 第17-24页 |
| 2.1 深度图像获取环境搭建 | 第17-18页 |
| 2.1.1 Kinect的硬件组成 | 第17-18页 |
| 2.1.2 Kinect的深度成像原理 | 第18页 |
| 2.2 OpenCV框架 | 第18-19页 |
| 2.3 Kinect实验环境配置 | 第19-22页 |
| 2.3.1 硬件配置 | 第19页 |
| 2.3.2 安装和配置KinectforWindowsSDK2.0 | 第19-20页 |
| 2.3.3 OpenCV的配置 | 第20-22页 |
| 2.4 深度图像的获取 | 第22-23页 |
| 2.4.1 深度信息的表示 | 第22-23页 |
| 2.4.2 像素位置转换 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 静态手语手势的特征分析和提取 | 第24-47页 |
| 3.1 静态手势特征提取方法 | 第24页 |
| 3.2 感兴趣区域提取 | 第24-27页 |
| 3.2.1 Kinect骨架追踪技术 | 第24-27页 |
| 3.2.2 ROI提取 | 第27页 |
| 3.3 深度图像预处理 | 第27-32页 |
| 3.3.1 无效区域数据剔除 | 第27-29页 |
| 3.3.2 中值滤波 | 第29-30页 |
| 3.3.3 形态学处理 | 第30-31页 |
| 3.3.4 手势分割 | 第31-32页 |
| 3.3.5 边缘提取 | 第32页 |
| 3.4 手语图像特征提取 | 第32-45页 |
| 3.4.1 HU特征提取 | 第32-34页 |
| 3.4.2 FAST特征提取 | 第34-35页 |
| 3.4.3 SIFT特征提取 | 第35-40页 |
| 3.4.4 SURF特征提取 | 第40-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 动态手语手势的特征提取 | 第47-53页 |
| 4.1 常用的动态手势轨迹特征提取方法 | 第47-48页 |
| 4.2 动态手语轨迹特征提取 | 第48-52页 |
| 4.2.1 手语轨迹起止点的确定 | 第48-49页 |
| 4.2.2 手语手势轨迹特征描述 | 第49页 |
| 4.2.3 手语手势轨迹拟合方法 | 第49-51页 |
| 4.2.4 基于归一化的手势运动轨迹提取方法 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 实验结果与分析 | 第53-64页 |
| 5.1 静态手语手势特征提取实验结果 | 第53-60页 |
| 5.2 静态手语特征提取分析 | 第60-62页 |
| 5.3 动态手势轨迹特征提取 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 在校研究成果 | 第68-69页 |
| 致谢 | 第69页 |