| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 问题的提出 | 第10-11页 |
| 1.3 本文贡献 | 第11-12页 |
| 1.4 研究内容及组织结构 | 第12-13页 |
| 第2章 研究现状分析 | 第13-18页 |
| 2.1 指尖跟踪技术发展现状 | 第13-15页 |
| 2.2 基于粒子滤波的目标跟踪方法 | 第15-16页 |
| 2.3 粒子滤波算法在指尖跟踪中的应用 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 一种高精度自适应粒子滤波算法设计 | 第18-29页 |
| 3.1 问题描述 | 第18页 |
| 3.2 粒子滤波相关理论基础 | 第18-22页 |
| 3.2.1 最优贝叶斯估计 | 第19-20页 |
| 3.2.2 门特卡洛模拟 | 第20页 |
| 3.2.3 重要性采样 | 第20-21页 |
| 3.2.4 序列重要抽样算法 | 第21-22页 |
| 3.2.5 重采样 | 第22页 |
| 3.3 一种高精度自适应粒子滤波算法设计 | 第22-26页 |
| 3.3.1 基于扩展卡尔曼滤波的粒子滤波算法 | 第23-24页 |
| 3.3.2 基于残差估计的自适应调整因子 | 第24-25页 |
| 3.3.3 高精度自适应粒子滤波算法设计实现 | 第25-26页 |
| 3.4 实验及结果分析 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 基于自适应粒子滤波的单指尖跟踪方法 | 第29-40页 |
| 4.1 问题描述 | 第29页 |
| 4.2 Kinect深度传感器及Direct Show概述 | 第29-31页 |
| 4.2.1 Kinect深度传感器 | 第29-30页 |
| 4.2.2 Direct Show技术 | 第30-31页 |
| 4.3 指尖检测 | 第31-34页 |
| 4.3.1 掌区域分割及姿态检测 | 第31-33页 |
| 4.3.2 指尖及方向检测 | 第33-34页 |
| 4.4 基于自适应粒子滤波的单指尖跟踪方法设计 | 第34-37页 |
| 4.4.1 基于Kinect的指尖三维位置的获取 | 第34-35页 |
| 4.4.2 指尖运动模型构建 | 第35-36页 |
| 4.4.3 基于粒子滤波器的单指尖跟踪算法设计 | 第36-37页 |
| 4.5 实验及结果分析 | 第37-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 单指尖跟踪系统设计与实现 | 第40-48页 |
| 5.1 Open CV开发平台介绍 | 第40-41页 |
| 5.2 系统原理及架构 | 第41-45页 |
| 5.2.1 视频及深度信息采集 | 第42-43页 |
| 5.2.2 指尖提取及方向确定 | 第43-44页 |
| 5.2.3 三维指尖跟踪 | 第44-45页 |
| 5.2.4 跟踪结果视频及轨迹显示模块 | 第45页 |
| 5.3 系统实现 | 第45-47页 |
| 5.4 总结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |