基于Kinect的手语识别技术在聋哑教学中的应用研究

声明

摘要

第1章 绪论

1．1 课题研究的意义

1．2 国内外研究现状

1．3 研究内容和组织结构

第2章 相关技术与开发平台

2．1 常用手语特征提取

2．2 手语识别常用算法

2．3 Kinect体感设备

2．4 OpenNI与OpenCV

2．4．1 OpenNI简介

2．4．2 OpenCV简介

2．5 本章小结

第3章 相关理论基础

3．1 罗森塔尔效应

3．1．1 理论概述

3．1．2 对系统的理论支持

3．2 社会学习理论

3．2．1 理论概述

3．2．2 对系统的理论支持

3．3 学习金字塔理论

3．3．1 理论概述

3．3．2 对系统的理论支持

3．4 人本主义学习理论

3．4．1 理论概述

3．4．2 对系统的理论支持

3．5 本章小结

第4章 手部追踪及特征提取研究

4．1 手语识别系统架构

4．2 手部检测与追踪

4．3 手部特征提取

4．2．1 手掌运动特征提取

4．2．2 手指运动特征提取

4．2．3 静态手语特征提取

4．4 本章小结

第5章 基于HMM和SVM模型的手语识别

5．1 HMM模型

5．1．1 HMM基本原理

5．1．2 HMM基本问题

5．2 SVM模型

5．2．1 SVM基本原理

5．2．2 最优分类面

5．2．3 SVM核函数

5．3 基于HMM的手掌动态手语识别

5．4 基于SVM／HMM的手指动态手语识别

5．5 基于SVM的静态手语识别

5．6 本章小结

第6章 手语识别系统的设计与实现

6．1 系统硬件及软件环境

6．1．1 硬件环境

6．1．2 软件环境

6．2 手部检测与追踪

6．3 手语特征提取的实现

6．3．1 手掌运动特征提取

6．3．2 手指运动特征提取

6．3．3 静态手语特征提取

6．4 手语识别的实现及运行效果

6．4．1 手掌动态手语识别

6．4．2 手指动态手语识别

6．4．3 静态手语识别

6．5 本章小结

结论和展望

致谢

参考文献

攻读硕士学位期间发表的论文