基于Kinect的大屏幕手势互动系统研究与实现
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12-14页 |
| 第二章 Kinect深度图像获取 | 第14-21页 |
| 2.1 Kinect介绍 | 第14-17页 |
| 2.1.1 Kinect的硬件组成 | 第14-15页 |
| 2.1.2 Kinect的相关技术 | 第15-17页 |
| 2.2 深度图像获取 | 第17-19页 |
| 2.3 深度图像与彩色图像的配准 | 第19-20页 |
| 2.4 小结 | 第20-21页 |
| 第三章 手势分割与特征提取 | 第21-29页 |
| 3.1 手势的定义 | 第21-22页 |
| 3.2 手势分割 | 第22-26页 |
| 3.2.1 手势分割流程 | 第22-23页 |
| 3.2.2 场景分割与肤色检测 | 第23-25页 |
| 3.2.3 去噪处理与深度分割 | 第25-26页 |
| 3.3 特征提取 | 第26-28页 |
| 3.3.1 手势特征选取 | 第26-27页 |
| 3.3.2 特征向量处理 | 第27-28页 |
| 3.4 小结 | 第28-29页 |
| 第四章 手势识别与结果分析 | 第29-47页 |
| 4.1 手势识别流程 | 第29-30页 |
| 4.2 手势起点和终点检测 | 第30-32页 |
| 4.3 起点手势识别 | 第32-34页 |
| 4.4 动态手势识别 | 第34-40页 |
| 4.4.1 动态时间规整算法(DTW) | 第34-37页 |
| 4.4.2 改进的DTW算法 | 第37-39页 |
| 4.4.3 K近邻分类器(KNN) | 第39页 |
| 4.4.4 改进后的手势识别算法(IDTW-K) | 第39-40页 |
| 4.5 实验结果与分析 | 第40-46页 |
| 4.5.1 K值选取实验 | 第41页 |
| 4.5.2 实验过程 | 第41-42页 |
| 4.5.3 实验结果 | 第42-46页 |
| 4.6 小结 | 第46-47页 |
| 第五章 系统设计与实现 | 第47-58页 |
| 5.1 开发环境与配置 | 第47-50页 |
| 5.1.1 开发环境 | 第47-49页 |
| 5.1.2 软件的安装和配置 | 第49-50页 |
| 5.2 系统框架设计 | 第50-51页 |
| 5.3 系统功能设计与实现 | 第51-55页 |
| 5.3.1 手势录制模块 | 第52页 |
| 5.3.2 手势识别模块 | 第52-53页 |
| 5.3.3 交互模块 | 第53-55页 |
| 5.4 系统展示 | 第55-57页 |
| 5.5 小结 | 第57-58页 |
| 第六章 工作总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 图目录 | 第64-66页 |
| 表目录 | 第66-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期闻研究成果 | 第68页 |
