基于深度卷积神经网络的手势识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.2.1 卷积神经网络研究 | 第8-9页 |
| 1.2.2 手势识别研究 | 第9-10页 |
| 1.3 主要工作和内容安排 | 第10-11页 |
| 第2章 相关理论基础 | 第11-27页 |
| 2.1 卷积神经网络 | 第11-18页 |
| 2.1.1 稀疏连接 | 第12页 |
| 2.1.2 权重共享 | 第12-13页 |
| 2.1.3 池化采样 | 第13-14页 |
| 2.1.4 训练过程 | 第14-18页 |
| 2.2 深度图像及获取 | 第18-22页 |
| 2.2.1 深度图像的定义 | 第18-19页 |
| 2.2.2 深度图像的获取 | 第19-22页 |
| 2.3 SVM理论 | 第22-26页 |
| 2.3.1 统计学习理论 | 第23-24页 |
| 2.3.2 最优分类超平面 | 第24-25页 |
| 2.3.3 支持向量 | 第25-26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 手势分割预处理 | 第27-35页 |
| 3.1 手势数据库 | 第27-28页 |
| 3.2 手势分割 | 第28-29页 |
| 3.3 基于深度信息的手势分割预处理方法 | 第29-31页 |
| 3.4 实验结果与性能分析 | 第31-33页 |
| 3.4.1 闭运算处理 | 第31页 |
| 3.4.2 分割预处理 | 第31-32页 |
| 3.4.3 多种分割算法之间的性能对比 | 第32-33页 |
| 3.4.4 分割预处理对实验结果的影响 | 第33页 |
| 3.5 小结 | 第33-35页 |
| 第4章 基于CNN-SVM模型的手势识别 | 第35-43页 |
| 4.1 CNN-SVM模型 | 第35-36页 |
| 4.2 基于CNN-SVM模型的手势识别方法 | 第36-37页 |
| 4.3 实验结果与性能分析 | 第37-41页 |
| 4.3.1 网络稳定性测试 | 第38页 |
| 4.3.2 特征提取有效性 | 第38-39页 |
| 4.3.3 CNN-SVM模型的性能测试 | 第39-40页 |
| 4.3.4 多种识别算法之间的性能对比 | 第40-41页 |
| 4.4 小结 | 第41-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 攻读硕士学位期间的研究成果 | 第51页 |
