基于Kinect的文化遗产个性化虚拟交互展示技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 国内外现状研究 | 第14-17页 |
| 1.2.1 人体动作识别 | 第14-16页 |
| 1.2.2 手势识别 | 第16-17页 |
| 1.3 研究内容与意义 | 第17-18页 |
| 1.4 本文章节结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 技术背景 | 第20-32页 |
| 2.1 静态手势识别 | 第20-23页 |
| 2.1.1 模板匹配法 | 第20-21页 |
| 2.1.2 神经网络法 | 第21-22页 |
| 2.1.3 指尖检测法 | 第22-23页 |
| 2.2 动态手势识别 | 第23-25页 |
| 2.3 人体姿势识别 | 第25-26页 |
| 2.4 Kinect简介 | 第26-31页 |
| 2.4.1 Kinect结构 | 第26-27页 |
| 2.4.2 Kinect关键技术 | 第27-30页 |
| 2.4.3 Kinect局限性 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于手掌节点的阈值法手势分割算法 | 第32-47页 |
| 3.1 手势分割概述 | 第32-34页 |
| 3.2 Kinect人体骨骼模型 | 第34-36页 |
| 3.3 基于手掌节点的阈值法手势分割算法 | 第36-45页 |
| 3.3.1 深度值的空间转化 | 第37-38页 |
| 3.3.2 人体轮廓提取 | 第38-39页 |
| 3.3.3 手势分割 | 第39-44页 |
| 3.3.4 手势轮廓提取 | 第44-45页 |
| 3.4 实验结果 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于平均K曲率的指尖检测算法 | 第47-62页 |
| 4.1 基于平均K曲率的指尖检测算法 | 第47-55页 |
| 4.1.1 曲率 | 第47-48页 |
| 4.1.2 平均K曲率算法 | 第48-50页 |
| 4.1.3 实验结果 | 第50-52页 |
| 4.1.4 基于改进的K-means聚类算法 | 第52-54页 |
| 4.1.5 基于向量差乘的类指尖点排除算法 | 第54-55页 |
| 4.2 人体姿势识别 | 第55-61页 |
| 4.2.1 关节点距离和角度 | 第56-59页 |
| 4.2.2 基于人体关节点角度的姿势识别算法 | 第59-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第5章 系统设计与实现 | 第62-71页 |
| 5.1 开发环境 | 第62-63页 |
| 5.2 系统实现 | 第63-65页 |
| 5.2.1 系统框架 | 第63-64页 |
| 5.2.2 系统流程 | 第64-65页 |
| 5.3 实验结果 | 第65-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间主要的研究成果 | 第78-79页 |
| 致谢 | 第79页 |
