基于Kinect的多旋翼无人机手势识别算法研究

目录

第一个书签之前

摘要

Abstract

第一章 绪论

§1.1 课题研究背景及意义

§1.2 国内外研究现状

§1.2.1 多旋翼无人机的手势控制

§1.2.2 手势识别

§1.3 课题研究内容及章节安排

第二章基于Kinect的手势分割

§2.1 Kinect技术

§2.1.1 Kinect基本参数

§2.1.2 深度信息

§2.1.3 骨骼节点信息

§2.2 手势分割

§2.2.1 深度摄像机模型

§2.2.2 坐标系转换

§2.2.3 构造立方体进行手势分割

§2.3 本章小结

第三章 卷积神经网络应用分析

§3.1 卷积神经网络的结构

§3.2 卷积神经网络的特点

§3.3 卷积层

§3.4 降采样层

§3.5 Softmax分类器

§3.6 训练方法

§3.7 本章小结

第四章 基于卷积神经网络的静态手势识别

§4.1 静态手势识别的基本流程

§4.2 图像数据集介绍

§4.2.1 国际公认数据集

§4.2.2 自采手势数据集

§4.3 CNN-H网络及其改进

§4.4 网络参数设计

§4.4.1 批处理样本数

§4.4.2 训练终止条件

§4.4.3 学习率

§4.4.4 卷积核个数和尺寸

§4.4.5 池化尺寸和算法

§4.4.6 激活函数

§4.4.7 实验方案总结

§4.5 实验过程与结果分析

§4.5.1 训练过程

§4.5.2 测试过程

§4.5.3 实验结果及分析

§4.6 本章小结

第五章 基于动态时间规整算法的动态手势识别

§5.1 动态手势识别流程

§5.2 手势跟踪

§5.3 构造动态手势特征向量

§5.3.1 骨骼节点的归一化处理

§5.3.2 手势起点和终点判定

§5.4 动态手势识别算法

§5.4.1 动态时间规整算法（DTW）

§5.4.2 限制全局路径

§5.4.3 KNN分类器

§5.4.4 改进的DTW算法

§5.4.5 算法总结

§5.5 动态手势动作识别实验及结果分析

§5.5.1 实验环境

§5.5.2 实验方案

§5.5.3 KNN分类器参数K的选取

§5.5.4 实验过程

§5.5.5 实验结果

§5.6 本章小结

第六章 总结与展望

§6.1 工作总结

§6.2 工作展望

参考文献