基于深度摄像的手势识别关键技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.3 本文研究内容及技术路线 | 第18-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 第二章 基于色彩和深度信息的手势检测 | 第20-28页 |
| 2.1 手势区域预分割 | 第20-23页 |
| 2.1.1 深度图像分割 | 第20-21页 |
| 2.1.2 彩色图像分割 | 第21-23页 |
| 2.2 手势中心点检测 | 第23-25页 |
| 2.3 手势区域分割 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 静态手势识别 | 第28-42页 |
| 3.1 静态手势归一化 | 第28-31页 |
| 3.2 静态手势特征表示 | 第31-35页 |
| 3.2.1 曲率特征 | 第31-32页 |
| 3.2.2 距离特征 | 第32-34页 |
| 3.2.3 组合特征 | 第34-35页 |
| 3.3 随机森林分类器 | 第35-41页 |
| 3.3.1 随机再抽样 | 第36-37页 |
| 3.3.2 决策树生成 | 第37-39页 |
| 3.3.3 随机森林 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 动态手势识别 | 第42-57页 |
| 4.1 关键帧提取 | 第42-44页 |
| 4.2 动态手势检测及特征表示 | 第44-52页 |
| 4.2.1 光流场估计 | 第44-49页 |
| 4.2.2 手势再检测及特征表示 | 第49-52页 |
| 4.3 动态时间规整 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于随机森林和动态时间规整的手势识别 | 第57-73页 |
| 5.1 手势数据库 | 第57-60页 |
| 5.1.1 静态手势数据库 | 第57-59页 |
| 5.1.2 动态手势数据库 | 第59-60页 |
| 5.2 基于随机森林的静态手势识别 | 第60-66页 |
| 5.2.1 分类器训练 | 第61-63页 |
| 5.2.2 样本测试及结果分析 | 第63-66页 |
| 5.3 基于DTW的动态手势识别 | 第66-72页 |
| 5.3.1 模板生成 | 第67-70页 |
| 5.3.2 样本测试及结果分析 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-76页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.1.1 论文主要工作 | 第73-74页 |
| 6.1.2 论文创新点及主要贡献 | 第74页 |
| 6.2 存在不足与展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻硕期间取得的研究成果 | 第82-83页 |
