| 摘要 | 第4-6页 |
| abstract | 第6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题究背景及意义 | 第10-12页 |
| 1.2 手势识别研究概况 | 第12-17页 |
| 1.2.1 基于数据手套的手势识别 | 第13-14页 |
| 1.2.2 基于视觉的手势识别 | 第14-15页 |
| 1.2.3 基于深度信息的手势识别 | 第15-17页 |
| 1.3 本文研究内容及组织结构安排 | 第17-18页 |
| 2 Kinect简介及背后技术实现 | 第18-24页 |
| 2.1 Kinect V1与Kinect V2比较 | 第18-20页 |
| 2.2 Kinect摄像机标定 | 第20-21页 |
| 2.3 Kinect深度获取原理 | 第21-22页 |
| 2.4 Kinect骨骼获取原理 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 手势的获取及手势的描述 | 第24-34页 |
| 3.1 深度图像的获取 | 第24页 |
| 3.2 骨骼数据的获取 | 第24-25页 |
| 3.3 手势分割 | 第25-28页 |
| 3.4 手势的描述 | 第28-33页 |
| 3.4.1 超像素生成方法 | 第28-29页 |
| 3.4.2 深度超像素生成方法 | 第29-32页 |
| 3.4.3 深度超像素的分割效果 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 手势相似度计算 | 第34-42页 |
| 4.1 常用距离 | 第34-35页 |
| 4.2 EMD运输问题 | 第35-37页 |
| 4.3 基于超像素的EMD距离 | 第37-40页 |
| 4.4 本章小结 | 第40-42页 |
| 5 结合关键模板自动选择的深度超像素手势识别系统 | 第42-52页 |
| 5.1 自动关键模板选择 | 第42-44页 |
| 5.2 模板匹配 | 第44页 |
| 5.3 手势识别流程 | 第44-45页 |
| 5.4 算法描述 | 第45-47页 |
| 5.5 实验结果分析 | 第47-51页 |
| 5.5.1 数据集 | 第47-48页 |
| 5.5.2 实验结果及分析 | 第48-51页 |
| 5.6 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-55页 |
| 6.1 本文总结 | 第52-53页 |
| 6.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 在学研究成果 | 第59-60页 |
| 致谢 | 第60页 |