1. 研究目的与意义
随着计算机和智能机器人技术的飞速发展，人们对人机交互的要求也越来越高自然地、符合人类习惯的人机交互方式越来越成为人们研究的热点。
2. 研究内容和预期目标
此前手势识别的研究内容主要是基于RGB光学图像的研究，而kinect推出后，基于深度信息的手部区域受到越来越多的关注。
基于深度信息的手势识别主要包括手部分割、手部追踪和手势分类三部分。
手部分割的关键问题在于决定图像中的哪些像素点属于手部，而手部追踪是决定图像序列中手部的运动轨迹，手势分类则是将分割出的形态以及追踪得到的轨迹判断属于哪一种手势。
3. 国内外研究现状
国内：天津大学研究了汉语语音识别系统用来控制机器人；上海交通大学研究识别手势系统并将其成功地用于远程机器人控制系统；天津大学实现了一局操作者的体态动作图像信息控制机器人的状态；清华大学研究了一个手势识别系统，选择其中识别率较高的十种手势类别作为人际互动信号代替手柄。
国外：英国Essex大学通过识别人脸，比较当前人脸形状和模板人脸形状来估计人脸方向；美国卡耐基梅隆大学实验室实现了一直能够按人体手势及手臂动作做出简单动作的机器人；印度学者实现已经实现应用手势远程控制机器人的运动状态为前进、后退、左转、右转和停止五个状态。
4. 计划与进度安排
2022.9-2022.12 查阅资料，完成开题报告2022.1-2022.2 准备资料，学习相关知识，并建立相关手势库2022.3-2022.4 初步建立标准手势库，初步实现手势识别2022.5 在windows或xbox上运行程序，实现手势识别，并完成撰写论文
5. 参考文献
[1]陈子豪，基于深度信息的手势检测和追踪，华南理工大学，2012[2]张毅。
张烁，基于kinect深度图像信息的手势轨迹识别与应用，2012，29（9）[3]吴国斌，李斌，kinect人机交互开发实践，2012[4]杨景旭，利用kinect估计人体头部姿态，南京理工大学，2012[5]道客48018，基于kinect手势识别的研究与实现，2014
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。
