| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-19页 |
| ·手势识别的背景 | 第8-9页 |
| ·手势识别的研究内容和现状 | 第9-12页 |
| ·国内研究状况 | 第10-11页 |
| ·国外的研究动态 | 第11页 |
| ·手势识别技术的应用现状 | 第11-12页 |
| ·手势识别系统的分类 | 第12-14页 |
| ·以数据手套为输入设备的手势识别系统 | 第12-13页 |
| ·以摄像头为输入设备的手势识别系统 | 第13-14页 |
| ·基于形状的手势识别研究方法 | 第14-16页 |
| ·形状描述方法概述 | 第14-15页 |
| ·基于轮廓的描述方法 | 第15-16页 |
| ·基于区域的描述方法 | 第16页 |
| ·本文主要内容以及各章节安排情况 | 第16-18页 |
| ·本文的主要创新点 | 第18-19页 |
| 第二章 基于深度图像手势识别的3D数据采集与手势分割 | 第19-31页 |
| ·手势库简介 | 第19-20页 |
| ·数据采集硬件平台 | 第20-22页 |
| ·Kinect简介 | 第20页 |
| ·Kinect 3D信息测量原理 | 第20-21页 |
| ·Kinect骨骼功能 | 第21-22页 |
| ·数据采集软件平台设计 | 第22-24页 |
| ·软件开发平台简介 | 第22页 |
| ·软件系统设计目标 | 第22-23页 |
| ·软件系统功能结构 | 第23页 |
| ·主要功能模块的实现 | 第23-24页 |
| ·手势分割 | 第24-26页 |
| ·手势图像预处理 | 第26-31页 |
| ·边缘检测 | 第26-29页 |
| ·手势平滑 | 第29页 |
| ·形态学图像处理操作 | 第29-31页 |
| 第三章 基于形状描述的手势特征构造 | 第31-39页 |
| ·典型手势特征描述 | 第31-33页 |
| ·形状上下文(shape context) | 第31-32页 |
| ·Height Functions | 第32-33页 |
| ·中心距特征描述符 | 第33-36页 |
| ·优化的中心距描述符Refined SCCD descriptor(RSCCD) | 第36-39页 |
| 第四章 手势图像分类器设计 | 第39-44页 |
| ·常见分类方法 | 第39-40页 |
| ·本文中所采用的分类方法 | 第40-44页 |
| ·基于贝叶斯网络的分类识别 | 第40-41页 |
| ·基于决策树算法的分类识别 | 第41-44页 |
| 第五章 基于深度图像的3D手势识别实验结果 | 第44-53页 |
| ·实验结果 | 第44-49页 |
| ·SCCD特征实验结果 | 第44-45页 |
| ·采用贝叶斯分类器的RSCCD实验结果 | 第45-46页 |
| ·采用决策树算法作为分类器的RSCCD实验结果 | 第46-49页 |
| ·类比实验 | 第49-53页 |
| ·与形状上下文(shape context)结果对比 | 第49-51页 |
| ·与height functions实验结果对比 | 第51-53页 |
| 主要结论与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第59页 |
