菜单
　　
    摘要本论文利用微软的 Kinect 传感器，结合骨骼和深度图像信息研究了手势识别算法，并完成了一个实时、在线的手势识别系统；使用该手势识别结果控制三维场景变化，完成了一个基于手势识别的三维场景视点控制系统。   在手势识别研究方面，论文分别研究了静态和动态手势识别算法。静态手势识别算法在基于 Kinect 的深度和骨骼坐标初定位的基础上，通过水平及垂直投影，完成手部区域的分割，利用 Hu矩作特征结合 SVM 完成手势识别。动态手势识别通过从深度视频流中获取手的运动轨迹点，并进行等间隔采样，得到手势的运动特征。论文探索了三种动态手势识别算法，并最终确定一种结合运动轨迹模版粗匹配和轨迹切线角 SVM 精确分类的方法。该方法在系统实测中达到了 90%以上的识别率。在此基础上，论文还完成了一个基于手势识别的三维场景视点控制系统，通过将动态手势识别结果融入一个基于 OSG的三维场景漫游器，完成了对三维场景视点变化的控制。 61084  
    毕业论文关键词：SVM  Hu 不变矩  静态手势识别  动态手势识别  三维场景控制   
    Title  Study on viewpoint control algorithm of 3D scenes   by gesture recognition 
    Abstract     Gesture recognition algorithms based on skeleton and depth information captured by Microsoft Kinect are studied in the thesis and a real-time and online gesture recognition system is designed. Furthermore, the gesture recognition system is integrated into a 3D scene viewpoint control system to manipulate scene changes through gesture.     Both static and dynamic gesture recognition methods are discussed in the thesis. As for static gesture recognition, an algorithm consists of three steps is proposed that roughly locates hands based on depth data and skeleton points of Kinect, precisely segments out hands through horizontal and vertical projections and accomplishes gesture recognition using Hu invariant moments and SVM. While the dynamic gesture recognition is to obtain kinetic features via the movement trajectories of hands extracted from the depth data streams and post-processed with uniformly-spaced sub-sampling. Three dynamic gesture recognition algorithms are explored and finally a method combining the template matching of moving trajectories and the SVM classification of the tangent angles of the trajectories is adopted. In practical usage, the proposed method  can achieve a recognition rate over 90%. Finally, a 3D-scene viewpoint control system is designed and implemented that uses the dynamic gesture recognition algorithm to manipulate a 3D scene viewer realized by OSG.   Keywords: SVM, Hu invariant moments, Static gesture recognition,           
     Dynamic gesture recognition，3D scene control

    目录

    1绪论···1

    1.1选题背景和意义··1

    1.2手势识别研究现状简介·2

    1.3论文完成工作及章节安排··3

    2手势识别算法研究·4

    2.1Kinect简介4

    2.2静态手势识别·5

    2.3动态手势识别12

    3基于手势识别的三维场景控制系统实现·20

    3.1系统结构框图20

    3.2静态手势识别的实现···21

    3.3动态手势识别的实现···24

    3.4三维场景漫游实现··26

    3.5Android手势识别实现·29

    4系统运行结果··33

    4.1实验系统运行结果··33

    4.2基于手势识别的三维场景控制系统运行结果35

    5总结与展望·36

    5.1总结36

    5.2展望36

    致谢39

    参考文献40

  1. 上一篇：火蔓延LED点阵屏显示模拟系统
  2. 下一篇：ARM7永磁开关控制器软件设计

  1. 基于中频信号的家用治疗...

  2. 基于嵌入式技术的智能家...

  3. 基于FPGA竞赛系统设计+程序

  4. Matlab基于前馈控制的加热炉温度控制系统设计

  5. MEMS基于SHARC型DSP的组合导航算法实现

  6. 基于LabVIEW的车牌图像识别技术研究

  7. 基于LabVIEW和MATLAB混合编程...

  8. java+mysql车辆管理系统的设计+源代码

  9. 大众媒体对公共政策制定的影响

  10. 杂拟谷盗体内共生菌沃尔...

  11. 当代大学生慈善意识研究+文献综述

  12. 河岸冲刷和泥沙淤积的监测国内外研究现状

  13. 中考体育项目与体育教学合理结合的研究

  14. 酸性水汽提装置总汽提塔设计+CAD图纸

  15. 乳业同业并购式全产业链...

  16. 十二层带中心支撑钢结构...

  17. 电站锅炉暖风器设计任务书

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回