1. 研究目的与意义
近些年随着信息技术的快速发展，人机的交互的媒介已不仅仅局限于常用的硬件，本项目以此为出发点，通过Kinect作为动作捕捉的硬件，探求通过人体手势进行控制交互的方式。
同时从卷积神经网络和手势图像提取分割两个方面作为出发点研究手势识别的算法。
2. 研究内容和预期目标
手势识别,主要由手势预处理、手势检测分割,手势特征提取和手势识别几部分构成,其中如何提取有效的手势特征是本课题的关键部分。
它有效的利用了像素点之间的相关性和对局部细节信息描述能力强的优点,弥补了局部二值模式对空间信息把握不足的缺点,同时增强了算法对噪声的抵抗能力,并且可以根据划分不同大小的子块,得到不同尺度的手势特征,实现了对手势信息更为完整的描述。
3. 国内外研究现状
国内的手势识别研究主要集中在各大高校和研究院等。
清华大学计算机科学与技术系祝远新等人提出了一种基于运动分割的帧间图像运动估计方法， 并指出了一条如何将运动、形状、颜色和纹理等信息统一起来进行手势识别的途径; 且实现了对12 种手势进行在线识别的实验系统，识别率超过90%。
王凯等人提出了基于 AdaBoost 算法和光流匹配的实时手势识别方案：只需连接计算机的摄像头读取二维手势视频片段便可对手势作出较为准确的识别。
4. 计划与进度安排
1、2022.9--2022.10 确定课题研究计划，搜集、查阅相关文献资料，了解目前国内外研究动态。
2、2022.11--2022.12 对整体研究课题进行初期规划，然后进行系统性总结；完成课题的开题报告和收集英文专业文献。
3、2022.1--2022.3 初期分阶段Kinect数据的提取，显示的设计；中期完成算法的实现；后期整理数据，撰写报告。
5. 参考文献
[1] 王雅懿.基于Kinect人体识别技术的虚拟现实交互方法的应用研究[D]. 北京工业大学,2014.[2] 李恒.基于Kinect骨骼跟踪功能的骨骼识别系统研究[D].西安电子科技大学,2013.[3] Jiawei H,Kamber M. Data mining：concepts and techniques[J]. San Francisco, CA,itd: Morgan Kaufman, 2001, 5.[4] 张毅，张烁，罗元，徐晓东.基于Kinect深度图像信息的手势轨迹识别及应用[J]. 计算机应用研究,2012(09).[5] 孟明,杨方波，佘青山，孙曜，罗志增.基于Kinect深度图像信息的人体运动检测[J]. 仪器仪表学报,2015(02).[6] 李靖意.基于Kinect深度图像人体动作识别研究[D].北京邮电大学,2015.[7]Zhang Z.Microsoft Kinect sensor and its effect[J]. MultiMedia, IEEE, 2012,19(2):4-10.[8] 何东健，邵小宁，王丹，胡少军. Kinect获取植物三维点云数据的去噪方法[J]. 农业机械学报, 2016(01).[9] Kviatkovsky I, Rivlin E, Shimshoni I. Online action recognition using covariance of shape and motion[M]. Elsevier Science Inc. 2014.[10] Plouffe G, Cretu A M. Static and Dynamic Hand Gesture Recognition in Depth Data Using Dynamic Time Warping[J]. IEEE Transactions on Instrumentation Measurement, 2016, 65(2):305-316.[11] Bagheri M A, Gao Q, Escalera S. Support vector machines with time series distance kernels for action classification[C]// IEEE Winter Conference on Applications of Computer Vision. IEEE, 2016:1-7.[12] Dominio F, Donadeo M, Zanuttigh P. Combining multiple depth-based descriptors for hand gesture recognition[J]. Pattern Recognition Letters, 2014, 50(C):101-111.[13] Youness C, Abdelhak M. Machine Learning for Real Time Poses Classification Using Kinect Skeleton Data[C]// International Conference on Computer Graphics, Imaging and Visualization. IEEE, 2016:307-311.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
