生物識別技術(shù)是指通過計算機(jī)利用人體所固有的生理特征（指紋、虹膜、臉部、血管等）來進(jìn)行個人身份鑒定的技術(shù)。而增強(qiáng)現(xiàn)實是一種利用計算機(jī)產(chǎn)生的附加信息對使用者觀察到的真實場景進(jìn)行增強(qiáng)或擴(kuò)展的一門綜合性技術(shù),是近年來的一個研究熱點,將兩種技術(shù)有機(jī)結(jié)合是許多工業(yè)級研究的熱門。將生物識別技術(shù)和增強(qiáng)現(xiàn)實技術(shù)兩種技術(shù)有效地融合并應(yīng)用于設(shè)備終端,以基于計算機(jī)視覺的手勢識別為媒介實現(xiàn)虛擬與現(xiàn)實之間的交互。因此,本文針對生物識別中人臉識別和增強(qiáng)現(xiàn)實技術(shù)融合系統(tǒng)實時性的功能需求,以Kinect傳感器為計算機(jī)視覺輸入設(shè)備,提出了一種基于生物識別的虛實交互系統(tǒng),通過人臉識別確定身份,利用動態(tài)手勢識別和增強(qiáng)現(xiàn)實技術(shù)進(jìn)行實時交互。通過對基于幾何特征、基于稀疏表示、基于BP神經(jīng)網(wǎng)絡(luò)、基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別算法的測試與分析得知,基于幾何特征的方法對于被遮擋的人臉圖像的識別效果不佳,基于稀疏表示的方法在字典學(xué)習(xí)階段容易出現(xiàn)冗余現(xiàn)象,基于BP神經(jīng)網(wǎng)絡(luò)的方法收斂速度較慢,易出現(xiàn)解決應(yīng)用問題的實例規(guī)模和網(wǎng)絡(luò)規(guī)模間的矛盾問題,基于卷積神經(jīng)網(wǎng)絡(luò)的方法中,其隱含層內(nèi)的卷積核參數(shù)共享和層間連接的稀疏性使得卷積神經(jīng)網(wǎng)絡(luò)能夠以較小的計算... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人臉識別技術(shù)的研究現(xiàn)狀
        1.2.2 基于計算機(jī)視覺的手勢識別研究現(xiàn)狀
        1.2.3 增強(qiáng)現(xiàn)實虛實交互研究現(xiàn)狀
    1.3 課題研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 人臉識別方法的研究
    2.1 人臉識別的概述
    2.2 基于幾何特征點的人臉識別
        2.2.1 預(yù)處理與初步確定人臉各器官分布區(qū)域
        2.2.2 確定特征點及構(gòu)造特征向量
        2.2.3 基于特征點幾何的人臉識別方法的實驗與分析
    2.3 基于稀疏表示的人臉識別
        2.3.1 稀疏表示模型
        2.3.2 求解稀疏表示
        2.3.3 基于稀疏表示的人臉識別的實驗與分析
    2.4 基于BP人工神經(jīng)網(wǎng)絡(luò)的人臉識別
        2.4.1 預(yù)處理
        2.4.2 PCA特征提取與BP神經(jīng)網(wǎng)絡(luò)分類器
        2.4.3 基于BP神經(jīng)網(wǎng)絡(luò)的人臉識別方法實驗與分析
    2.5 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別
        2.5.1 卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)造
        2.5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別的實驗與分析
    2.6 人臉識別方法的對比測試與分析
    2.7 本章小結(jié)
第3章 手勢識別與虛擬物體注冊
    3.1 手勢識別技術(shù)概述
    3.2 DTW算法
    3.3 DTW算法的改進(jìn)
        3.3.1 建立冗余參考模板
        3.3.2 基于相關(guān)性的失真度計算
    3.4 手部信息提取及分割
        3.4.1 人體骨骼關(guān)節(jié)信息
        3.4.2 人手檢測與分割
    3.5 基于DTW算法的手勢識別實驗與分析
    3.6 基于Kinect的標(biāo)定技術(shù)
        3.6.1 Kinect攝像頭標(biāo)定與配準(zhǔn)
        3.6.2 攝像頭模型與坐標(biāo)系
    3.7 基于自然特征的跟蹤注冊
        3.7.1 ORB特征點檢測
        3.7.2 ORB特征描述符
        3.7.3 ORB算法人臉特征提取
        3.7.4 虛擬物體注冊
    3.8 本章小結(jié)
第4章 增強(qiáng)現(xiàn)實交互技術(shù)研究
    4.1 虛實遮擋處理
    4.2 碰撞檢測技術(shù)
    4.3 基于動態(tài)手勢的交互
    4.4 本章小結(jié)
第5章 基于生物識別的虛實交互系統(tǒng)的實現(xiàn)
    5.1 虛實交互系統(tǒng)流程與框架
        5.1.1 系統(tǒng)環(huán)境與工作流程
        5.1.2 系統(tǒng)框架圖
        5.1.3 人臉識別模塊實現(xiàn)
        5.1.4 手勢識別模塊實現(xiàn)
    5.2 基于生物識別的虛實交互系統(tǒng)實現(xiàn)效果
    5.3 本章小結(jié)
第6章 結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的人臉識別算法研究[J]. 楊涵.  電子設(shè)計工程. 2019(19)
[2]基于Kinect的動態(tài)手勢識別算法改進(jìn)與實現(xiàn)[J]. 李國友,孟巖,閆春瑋,宋成全.  高技術(shù)通訊. 2019(09)
[3]基于KCF與改進(jìn)ORB的增強(qiáng)現(xiàn)實方法[J]. 李一,馮楠,譚順成.  計算機(jī)工程. 2019(08)
[4]基于分?jǐn)?shù)階微分的Kinect傳感器深度圖像陰影檢測方法（英文）[J]. 張彤,劉晟,曹霆.  紅外與激光工程. 2019(08)
[5]基于混合卷積神經(jīng)網(wǎng)絡(luò)的靜態(tài)手勢識別[J]. 石雨鑫,鄧洪敏,郭偉林.  計算機(jī)科學(xué). 2019(S1)
[6]基于長短時記憶網(wǎng)絡(luò)的多媒體教學(xué)手勢識別研究[J]. 秦敏瑩,肖秦琨.  國外電子測量技術(shù). 2019(06)
[7]基于多特征融合CNN的人臉識別算法研究[J]. 羅金梅,羅建,李艷梅,趙旭.  航空計算技術(shù). 2019(03)
[8]生物識別技術(shù)應(yīng)用的倫理問題研究綜述[J]. 胡海明,翟曉梅.  科學(xué)與社會. 2018(03)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng)研究[J]. 陳翔,白創(chuàng),黃躍俊.  智能計算機(jī)與應(yīng)用. 2018(03)
[10]增強(qiáng)現(xiàn)實技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J]. 王宇希,張鳳軍,劉越.  科技導(dǎo)報. 2018(10)

博士論文
[1]基于RGB-D攝像機(jī)的增強(qiáng)現(xiàn)實系統(tǒng)關(guān)鍵技術(shù)研究[D]. 李佳寧.浙江大學(xué) 2017

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)人臉識別研究與實現(xiàn)[D]. 任飛凱.南京郵電大學(xué) 2019
[2]基于視覺的手勢識別研究[D]. 李凱.桂林電子科技大學(xué) 2019
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法研究[D]. 魯磊.西安科技大學(xué) 2019
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的動態(tài)手勢識別[D]. 李杰.山東大學(xué) 2019
[5]手勢識別算法研究及實現(xiàn)[D]. 解棟文.安徽大學(xué) 2019
[6]國內(nèi)外人臉識別研究熱點及研究發(fā)展趨勢對比分析[D]. 姚浩浩.合肥工業(yè)大學(xué) 2019
[7]基于稀疏表示的人臉識別方法研究[D]. 羅宵晗.杭州電子科技大學(xué) 2019
[8]基于計算機(jī)視覺的動態(tài)手勢識別方法[D]. 閆世洋.南京郵電大學(xué) 2018
[9]移動增強(qiáng)現(xiàn)實跟蹤注冊技術(shù)的研究與應(yīng)用[D]. 王楚迪.沈陽工業(yè)大學(xué) 2017
[10]基于深度一致性的虛實融合技術(shù)研究[D]. 秦勇旭.沈陽工業(yè)大學(xué) 2015



本文編號：3672388