1. 研究目的与意义

随着人工智能等技术的发展和普及，人机交互方式越来越趋于智能化、人性化。

传统的人机交互方式如键盘、鼠标等，由于需要通过硬件设备才能操作计算机，用户往往都需要经过相关操作学习才能自由地使用，且熟练使用的学习成本较高。

而且，硬件设备存在操作失灵或损坏需要维修的情况，长时间的使用还会给人的健康造成威胁如鼠标手、键盘手等。

2. 研究内容和预期目标

研究内容： 本文的研究内容是在使用 传感器获取到的深度图像的基础上进行手势分割，并选取相关数字特征作为识别特征，最后应用dtw算法对0到9这十种手势进行匹配识别。

主要工作如下：（1）根据深度图像提取出的手势信息，提取出手势信息中显著的特征点，通过对这些特征点的相关属性进行分析计算，得到对应的手势特征描述因子。

（2）首先对dtw的累计距离计算参数进行权重分析，然后运用dtw算法将获取到的目标手势特征与模板库中的手势特征进行比对，从而实现手势特征的识别，其中可以有多种特征，最终通过比较识别正确率确定最佳特征。

3. 国内外研究现状

手势识别作为一种人机交互的重要技术手段，一直被国内外研究学者、研究机构及公司所研究与应用。

近几年，国内外不仅有以美国的机器视觉实验室、mit实验室为代表的多家高校及机构开展手势应用研究，而且还推出了以手势交互为主题的挑战赛如cvpr等，这些都推动着手势交互技术的发展。

国内有浙江大学、哈尔滨工业大学为代表的高等学府相继成立实验室开展手势交互技术的研究并取得了很好的成就。

4. 计划与进度安排

2022年11月1日~11月10日 确定选题并提交 2022年11月11日~11月30日 撰写开题报告 2022年12月1 日~2022年1月31日 阅读相关书籍资料，提出可行性的设计方案； 2022年2月1日~3月31日 具体设计与制作工作； 2022年4月1日~4月20日 撰写、提交论文初稿、中期检查 2022年4月21日~ 5月10日 反复修改论文并提交定稿、提交外文文献及译稿；2022年5月11日~5月20日 论文答辩

5. 参考文献

[1] 邓瑞,周玲玲,应忍冬.基于Kinect深度信息的手势提取与识别研究[J].计算机应用研究,2013 [2]徐春凤，王蒙蒙，翟宏宇，胡汉平. 基于 深度信息的指尖检测[J]. 长春理工大学学报, 2017(12). [3]贾祎恺. 基于深度特征学习的目标检测与跟踪算法研究[D]. 西安科技大学，2017(6). [4]周振. 基于Kinect深度图像的手势识别算法研究[D].湖南大学,2015. [5]金宏硕. 基于Kinect的手势图像识别研究[D].沈阳工业大学,2018. [6]邢瑞. 图像特征提取算法在掌纹识别中的应用研究[D]. 吉林大学，2017 [7]姚圆圆. 动态手势识别的关键技术研究及实现[D].重庆邮电大学,2016.[8]贺芳姿. 基于Kinect深度信息的手势识别研究[D].华中科技大学,2015.