基于Kinect的手语识别技术在聋哑教学中的应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 课题研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容和组织结构 | 第12-13页 |
| 第2章 相关技术与开发平台 | 第13-21页 |
| 2.1 常用手语特征提取 | 第13-15页 |
| 2.2 手语识别常用算法 | 第15-16页 |
| 2.3 KINECT体感设备 | 第16-18页 |
| 2.4 OPENNI与OPENCV | 第18-20页 |
| 2.4.1 OpenNI简介 | 第18-19页 |
| 2.4.2 OpenCV简介 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 相关理论基础 | 第21-26页 |
| 3.1 罗森塔尔效应 | 第21-22页 |
| 3.1.1 理论概述 | 第21页 |
| 3.1.2 对系统的理论支持 | 第21-22页 |
| 3.2 社会学习理论 | 第22-23页 |
| 3.2.1 理论概述 | 第22-23页 |
| 3.2.2 对系统的理论支持 | 第23页 |
| 3.3 学习金字塔理论 | 第23-24页 |
| 3.3.1 理论概述 | 第23-24页 |
| 3.3.2 对系统的理论支持 | 第24页 |
| 3.4 人本主义学习理论 | 第24-25页 |
| 3.4.1 理论概述 | 第24-25页 |
| 3.4.2 对系统的理论支持 | 第25页 |
| 3.5 本章小结 | 第25-26页 |
| 第4章 手部跟踪及特征提取研究 | 第26-36页 |
| 4.1 手语识别系统架构 | 第26-27页 |
| 4.2 手部检测与追踪 | 第27页 |
| 4.3 手部特征提取 | 第27-35页 |
| 4.3.1 手掌运动特征提取 | 第27-29页 |
| 4.3.2 手指运动特征提取 | 第29-32页 |
| 4.3.3 静态手语特征提取 | 第32-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第5章 基于HMM和SVM模型的手语识别 | 第36-46页 |
| 5.1 HMM模型 | 第36-38页 |
| 5.1.1 HMM基本原理 | 第36-37页 |
| 5.1.2 HMM基本问题 | 第37-38页 |
| 5.2 SVM模型 | 第38-40页 |
| 5.2.1 SVM基本原理 | 第38-39页 |
| 5.2.2 最优分类面 | 第39页 |
| 5.2.3 SVM核函数 | 第39-40页 |
| 5.3 基于HMM的手掌动态手语识别 | 第40-43页 |
| 5.4 基于SVM/HMM的手指动态手语识别 | 第43-45页 |
| 5.5 基于SVM的静态手语识别 | 第45页 |
| 5.6 本章小结 | 第45-46页 |
| 第6章 手语识别系统的设计与实现 | 第46-57页 |
| 6.1 系统硬件及软件环境 | 第46-47页 |
| 6.1.1 硬件环境 | 第46-47页 |
| 6.1.2 软件环境 | 第47页 |
| 6.2 手部检测与追踪 | 第47-49页 |
| 6.3 手语特征提取的实现 | 第49-51页 |
| 6.3.1 手掌运动特征提取 | 第49页 |
| 6.3.2 手指运动特征提取 | 第49-50页 |
| 6.3.3 静态手语特征提取 | 第50-51页 |
| 6.4 手语识别的实现及运行效果 | 第51-56页 |
| 6.4.1 手掌动态手语识别 | 第52-53页 |
| 6.4.2 手指动态手语识别 | 第53-54页 |
| 6.4.3 静态手语识别 | 第54-56页 |
| 6.5 本章小结 | 第56-57页 |
| 结论和展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
