| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究的背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 深度测量技术概述 | 第17-19页 |
| 1.4 本文章节安排 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 OptiTrack~(TM) DPC640/30立体视觉系统 | 第21-35页 |
| 2.1 主要硬件组成 | 第21-25页 |
| 2.1.1 “心脏”— PS1080 SoC | 第22-23页 |
| 2.1.2 “眼睛”—三个摄像头 | 第23-24页 |
| 2.1.3 “耳朵”—麦克风阵列 | 第24页 |
| 2.1.4 “脊椎”—三轴加速度计 | 第24-25页 |
| 2.2 深度信息的获取 | 第25-28页 |
| 2.2.1 深度成像原理 | 第25-27页 |
| 2.2.2 视角和视距 | 第27-28页 |
| 2.2.3 提取深度信息 | 第28页 |
| 2.3 基于机器学习的骨骼跟踪技术 | 第28-33页 |
| 2.3.1 分离人体和背景 | 第29页 |
| 2.3.2 区分人体各部位 | 第29-32页 |
| 2.3.3 确定骨骼关节点 | 第32-33页 |
| 2.4 应用领域和前景 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 手部图像的预处理 | 第35-46页 |
| 3.1 手部图像分割 | 第35-40页 |
| 3.1.1 彩色图像分割 | 第35-37页 |
| 3.1.2 深度图像分割 | 第37-38页 |
| 3.1.3 结合骨骼跟踪的深度图像分割 | 第38-40页 |
| 3.2 手部图像修复 | 第40-42页 |
| 3.2.1 形态学滤波 | 第40-41页 |
| 3.2.2 中值滤波 | 第41-42页 |
| 3.3 手部图像二值化 | 第42-45页 |
| 3.3.1 Otsu算法 | 第43-44页 |
| 3.3.2 Otsu算法的改进 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 数字手势表观特征的确定 | 第46-63页 |
| 4.1 轮廓的确定 | 第46-52页 |
| 4.1.1 轮廓检测 | 第46-49页 |
| 4.1.2 内轮廓的判定 | 第49-51页 |
| 4.1.3 外轮廓的跟踪 | 第51-52页 |
| 4.2 质心的确定 | 第52-55页 |
| 4.3 指尖点的确定 | 第55-60页 |
| 4.3.1 凸包法 | 第55-57页 |
| 4.3.2 曲率法 | 第57-58页 |
| 4.3.3 距离法 | 第58-60页 |
| 4.4 弯曲特征和夹角的确定 | 第60-62页 |
| 4.4.1 弯曲特征的判定 | 第60-61页 |
| 4.4.2 指尖点与质心间夹角的确定 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 数字手势识别系统设计和实验结果分析 | 第63-75页 |
| 5.1 识别的依据和流程 | 第63-64页 |
| 5.2 系统实现平台的搭建 | 第64-66页 |
| 5.2.1 硬件平台的搭建 | 第64-65页 |
| 5.2.2 软件平台的搭建 | 第65-66页 |
| 5.3 识别实验和结果分析 | 第66-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 总结和展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读学位期间发表的学术论文目录 | 第81-82页 |
| 致谢 | 第82-83页 |