首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度信息的手势检测与跟踪

摘要第1-6页
Abstract第6-11页
第一章 绪论第11-21页
   ·课题研究背景与意义第11-12页
   ·手势交互研究概况第12-14页
     ·手势交互技术发展现状第12-13页
     ·基于深度信息的手势交互技术第13-14页
   ·基于深度信息的手势交互主要算法第14-16页
     ·深度图像分割第14-15页
     ·目标检测第15-16页
     ·目标跟踪第16页
   ·手势交互技术难点第16-19页
     ·图像分割与手势检测存在问题第17页
     ·手势跟踪存在的问题第17-19页
   ·本文研究内容与章节安排第19-21页
     ·本文研究内容第19-20页
     ·本文章节安排第20-21页
第二章 深度图像获取与预处理第21-29页
   ·深度图像的获取第21-22页
     ·深度信息获取第21页
     ·Kinect 介绍第21-22页
   ·深度图像的校正第22-25页
     ·深度信息与距离的转换第22-23页
     ·深度图像到空间 3D 坐标的转换第23-24页
     ·深度图像到 RGB 图像的配准第24-25页
   ·深度图像预处理第25-27页
     ·深度中值滤波第25-26页
     ·形态学操作第26-27页
   ·本章小结第27-29页
第三章 基于深度信息的人手检测第29-41页
   ·人机交互系统中人手检测技术分析第29-30页
   ·基于静态手势的人手检测第30-33页
     ·深度场景层分算法第30-31页
     ·手指检测第31-33页
   ·基于动态手势的人手检测第33-37页
     ·基于运动检测的 Blob 分割第33-34页
     ·Blob 跟踪第34-36页
     ·Blob 运动序列分析第36-37页
   ·手心定位与手掌分割第37-39页
     ·基于 GEDT 特征的手心定位第37-38页
     ·手掌分割第38-39页
   ·本章小结第39-41页
第四章 任意变形手势的跟踪第41-51页
   ·变形手势跟踪技术第41-42页
   ·基于 Camshift 算法的目标跟踪第42-46页
     ·Meanshift 算法第42-44页
     ·Camshift 算法第44-45页
     ·目标概率图第45-46页
   ·基于 Kalman 滤波的目标预定位第46-48页
   ·结合深度分割的目标跟踪第48-49页
   ·本章小结第49-51页
第五章 快速运动的多目标跟踪第51-59页
   ·候选 Blob 检测第51-52页
   ·基于 Blob 最优匹配的多目标跟踪第52-54页
     ·Blob 最优匹配法第52-53页
     ·多目标跟踪第53-54页
   ·相似性判断及错误恢复第54-58页
     ·相似性判断第54-55页
     ·错误恢复第55-58页
   ·本章小结第58-59页
结论第59-61页
参考文献第61-65页
攻读硕士学位期间取得的研究成果第65-67页
致谢第67-68页
附录第68页

论文共68页,点击 下载论文
上一篇:母语在中学英语教学中的正迁移作用研究
下一篇:媒介文化与审美记忆--“80后”集体怀旧研究