基于体感传感器的手势识别及人机交互系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 引言 | 第8页 |
| 1.2 人机交互概念 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-17页 |
| 1.3.1 视觉手势识别研究 | 第11-13页 |
| 1.3.2 手势识别人机交互研究 | 第13-14页 |
| 1.3.3 非视觉手势识别研究 | 第14-16页 |
| 1.3.4 基于Kinect的机器人研究 | 第16-17页 |
| 1.4 存在的问题及本文的解决方案 | 第17-18页 |
| 1.4.1 移动机器人的局限性 | 第17页 |
| 1.4.2 手势识别存在的问题 | 第17-18页 |
| 1.4.3 本文解决方案 | 第18页 |
| 1.5 本文各章节安排 | 第18-19页 |
| 本课题获得的相关基金、项目的资助情况 | 第19-20页 |
| 第二章 手势识别基础理论 | 第20-25页 |
| 2.1 手势识别基本概念 | 第20-21页 |
| 2.2 手势建模 | 第21页 |
| 2.3 手势识别方法 | 第21-24页 |
| 2.3.1 静态手势识别 | 第22页 |
| 2.3.2 动态手势识别 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于肤色的手势检测 | 第25-31页 |
| 3.1 肤色颜色空间 | 第25页 |
| 3.2 肤色建模 | 第25-27页 |
| 3.2.1 单高斯模型 | 第26页 |
| 3.2.2 混合高斯模型 | 第26-27页 |
| 3.2.3 椭圆边界模型 | 第27页 |
| 3.3 肤色模型实验 | 第27-28页 |
| 3.4 肤色检测的实现 | 第28-30页 |
| 3.4.1 肤色分布 | 第28-29页 |
| 3.4.2 肤色检测 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 深度图像获取及分析 | 第31-39页 |
| 4.1 深度图像识别研究 | 第31页 |
| 4.2 Kinect获取深度图像原理 | 第31-33页 |
| 4.3 深度图像的人体识别分析 | 第33-36页 |
| 4.3.1 深度图像数据获取 | 第33-34页 |
| 4.3.2 深度图像特征 | 第34页 |
| 4.3.3 随机决策森林 | 第34-35页 |
| 4.3.4 关节位置预测 | 第35-36页 |
| 4.4 手势轨迹信息分析 | 第36-37页 |
| 4.5 肤色与深度图像结合 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 手势识别与跟踪 | 第39-48页 |
| 5.1 Haar-Like特征 | 第39-40页 |
| 5.2 手势 3D建模 | 第40-42页 |
| 5.3 动态手势跟踪 | 第42-47页 |
| 5.3.1 Camshift算法 | 第42-44页 |
| 5.3.2 Kalman滤波 | 第44-45页 |
| 5.3.3 改进跟踪算法 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 人机交互系统研究 | 第48-57页 |
| 6.1 手势识别实验 | 第48-54页 |
| 6.1.1 静态手势识别 | 第48-50页 |
| 6.1.2 动态手势识别 | 第50-53页 |
| 6.1.3 手势识别分析 | 第53-54页 |
| 6.2 人机交互模型概念 | 第54页 |
| 6.3 人机交互系统 | 第54-55页 |
| 6.3.1 系统框架 | 第55页 |
| 6.3.2 系统任务 | 第55页 |
| 6.4 人机交互实验 | 第55-56页 |
| 6.5 本章小结 | 第56-57页 |
| 第七章 全文总结与展望 | 第57-58页 |
| 7.1 论文总结 | 第57页 |
| 7.2 进一步研究工作 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 发表论文、申请专利及获奖情况 | 第64-65页 |
| 致谢 | 第65-66页 |
| 中文详细摘要 | 第66-67页 |
| 英文详细摘要 | 第67-68页 |
