手部姿态估计是各种智能应用,进行活动识别的重要要求。对它的研究在计算机视觉界已经展开了数十年,并且由于深度学习的发展,低成本深度相机的推出,对于手部姿态估计的研究引起越来越多研究者的兴趣。随着深度神经网络的发展,大型手势数据集的建立,基于神经网络的三维手部姿态估计的方法优势越来越突出,但研究者把深度图像转化为二维图像作为输入,会使得深度图像中的手部姿态信息不能得到充分利用,从而影响估计精度。而把深度图像转化为三维体素进行三维卷积训练,这种数据表示会随着分辨率的增加,计算量呈指数增加,为实现有效卷积使得运算数据庞大。如果分辨率较低又会使得手部细节信息缺失。本文的方法直接利用点云数据作为输入进行手部姿态的估计,充分利用了深度图像信息,并在公开数据集上取得了很好的表现。本文主要工作内容如下:一、对深度信息的获取方法及深度相机的成像原理进行了研究,并推导出深度图像转化为点云的一种方法,应用于深度图像数据集的点云转化处理。对深度图像转化的点云进行了可视化。二、对点云数据的常见滤波器的特点及原理进行了分析研究。给出了深度图像转点云后,用少的点更多的保留图像信息的方法流程,最终将ICVL数据集里每张深度图像用1024个点完整表示。三、对深度学习的相关知识进行了研究。基于Point Net模型,设计了一款用点云作为输入,用于手部姿态估计的深度学习网络,并在具有挑战性的公开数据集上,验证了本文方法的可行性与精准性。