| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内研究现状 | 第8-9页 |
| 1.3 国外研究现状 | 第9-11页 |
| 1.4 手势识别的难点 | 第11页 |
| 1.5 论文的主要工作与安排 | 第11-13页 |
| 1.5.1 论文的主要工作 | 第11-12页 |
| 1.5.2 论文章节安排 | 第12-13页 |
| 第2章 Kinect传感器相关技术和深度图像预处理 | 第13-21页 |
| 2.1 Kinect传感器介绍 | 第13-18页 |
| 2.1.1 Kinect传感器硬件 | 第13-14页 |
| 2.1.2 Kinect捕获深度图像方法 | 第14-16页 |
| 2.1.3 深度值与实际距离转换 | 第16-17页 |
| 2.1.4 深度图像与RGB图像的转换 | 第17-18页 |
| 2.2 深度图像预处理 | 第18-20页 |
| 2.2.1 高斯滤波 | 第18-19页 |
| 2.2.2 中值滤波 | 第19页 |
| 2.2.3 形态学预处理 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于深度图像的静态手势识别 | 第21-31页 |
| 3.1 手势提取 | 第21-24页 |
| 3.1.1 深度阈值分割人手 | 第21-22页 |
| 3.1.2 K-均值聚类算法提取手势 | 第22-24页 |
| 3.2 指尖检测 | 第24-28页 |
| 3.2.1 基于质心距离的指尖检测法 | 第24-25页 |
| 3.2.2 基于曲率的指尖检测法 | 第25页 |
| 3.2.3 基于凸包缺陷的指尖检测 | 第25-27页 |
| 3.2.4 指尖检测方法分析比较 | 第27-28页 |
| 3.3 手势识别实验以及应用 | 第28-30页 |
| 3.3.1 手势识别实验分析 | 第28-30页 |
| 3.3.2 手势识别的应用 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于骨骼跟踪技术的动态手势识别 | 第31-53页 |
| 4.1 动态手势识别 | 第31-33页 |
| 4.2 骨骼跟踪 | 第33-38页 |
| 4.2.1 骨骼跟踪模型 | 第33页 |
| 4.2.2 深度图像特征 | 第33-34页 |
| 4.2.3 人体骨骼关节形成 | 第34-36页 |
| 4.2.4 坐标转换 | 第36-38页 |
| 4.3 动态手势特征构造 | 第38-40页 |
| 4.3.1 手势特征向量提取 | 第38-39页 |
| 4.3.2 检测手势序列首帧和终帧 | 第39-40页 |
| 4.4 DTW算法 | 第40-44页 |
| 4.4.1 DTW基本原理 | 第40-42页 |
| 4.4.2 优化DTW算法 | 第42-44页 |
| 4.5 动态手势实验分析 | 第44-51页 |
| 4.5.1 实验开发环境以及配置 | 第44-45页 |
| 4.5.2 训练手势模板 | 第45-46页 |
| 4.5.3 动态手势识别实验 | 第46-49页 |
| 4.5.4 验证鲁棒性 | 第49-51页 |
| 4.6 PPT操作系统 | 第51-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 硕士学位期间学术论文及研究成果 | 第59页 |