人机交互系统中手势和姿势识别算法的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 手势识别算法及其研究现状 | 第11-15页 |
| 1.2.1 手势识别算法的需求 | 第11-12页 |
| 1.2.2 手势识别工作研究现状 | 第12-14页 |
| 1.2.3 主要挑战和难点 | 第14-15页 |
| 1.3 姿势识别算法及其研究现状 | 第15-18页 |
| 1.3.1 姿势识别算法的需求 | 第15-16页 |
| 1.3.2 姿势识别工作研究现状 | 第16-17页 |
| 1.3.3 主要挑战和难点 | 第17-18页 |
| 1.4 本文工作和主要贡献 | 第18-19页 |
| 1.5 论文安排 | 第19-20页 |
| 第2章 可见光上的手势识别 | 第20-36页 |
| 2.1 本章引言 | 第20-21页 |
| 2.2 手势识别的相关工作 | 第21-24页 |
| 2.2.1 手势识别算法已有工作 | 第21-22页 |
| 2.2.2 描述目标的特征 | 第22-24页 |
| 2.3 基于 HOG 特征的手势检测和识别 | 第24-30页 |
| 2.3.1 HOG 特征介绍 | 第24-25页 |
| 2.3.2 可见光上的手势检测算法 | 第25-28页 |
| 2.3.3 可见光上的手势识别算法 | 第28-30页 |
| 2.4 实验结果和分析 | 第30-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 深度图上的手势识别 | 第36-54页 |
| 3.1 本章引言 | 第36-37页 |
| 3.2 普通可见光外的其他图像源 | 第37-42页 |
| 3.2.1 红外热感应成像仪 | 第37-38页 |
| 3.2.2 主动红外摄像机 | 第38-39页 |
| 3.2.3 TOF 相机 | 第39-41页 |
| 3.2.4 双目立体视觉成像 | 第41页 |
| 3.2.5 激光散斑成像的 Kinect | 第41-42页 |
| 3.3 深度上的手势识别 | 第42-49页 |
| 3.3.1 深度上的手势识别相关工作 | 第42-44页 |
| 3.3.2 基于三维形状上下文特征的手势识别 | 第44-49页 |
| 3.4 实验结果和分析 | 第49-52页 |
| 3.4.1 实验配置 | 第49-50页 |
| 3.4.2 性能分析和比较 | 第50-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 深度图上的姿势识别 | 第54-94页 |
| 4.1 本章引言 | 第54-56页 |
| 4.2 姿势识别相关工作 | 第56-58页 |
| 4.3 姿势识别训练算法的并行化加速 | 第58-76页 |
| 4.3.1 训练算法开销大的问题描述 | 第58-60页 |
| 4.3.2 主要解决方案对比 | 第60-63页 |
| 4.3.3 MPI 解决方案 | 第63-65页 |
| 4.3.4 结合算法而对存储和带宽的优化 | 第65-67页 |
| 4.3.5 实验结果和分析 | 第67-76页 |
| 4.4 姿势识别算法识别性能提升 | 第76-92页 |
| 4.4.1 问题描述和解决方案 | 第76-77页 |
| 4.4.2 加入后处理的识别算法 | 第77-82页 |
| 4.4.3 使用深度图像需要注意的问题 | 第82-86页 |
| 4.4.4 实验结果和分析 | 第86-92页 |
| 4.5 本章小结 | 第92-94页 |
| 第5章 总结与展望 | 第94-98页 |
| 5.1 本文研究工作总结 | 第94-96页 |
| 5.2 未来工作展望 | 第96-98页 |
| 参考文献 | 第98-107页 |
| 致谢 | 第107-109页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第109页 |
