基于Hu矩和支持向量机的静态手势识别及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 引言 | 第9-15页 |
| ·课题研究背景、意义及应用 | 第9-10页 |
| ·研究现状 | 第10页 |
| ·手势识别相关基础知识 | 第10-13页 |
| ·手势建模 | 第11-12页 |
| ·手势分析 | 第12页 |
| ·手势识别 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| ·章节安排 | 第14-15页 |
| 第2章 采集手势图像及图像预处理 | 第15-22页 |
| ·手势图像采集 | 第15-17页 |
| ·图像灰度化 | 第17-18页 |
| ·图像平滑 | 第18页 |
| ·手势图像二值化处理 | 第18-20页 |
| ·手势图像的边缘检测与轮廓提取 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 手势特征参数的选取 | 第22-28页 |
| ·Hu不变矩 | 第22-24页 |
| ·手势轮廓凹陷点个数 | 第24-26页 |
| ·手势周长与面积比 | 第26-27页 |
| ·特征值的提取 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第4章 手势跟踪 | 第28-33页 |
| ·跟踪算法的选择 | 第28-29页 |
| ·CAMSHIFT跟踪算法原理 | 第29-31页 |
| ·CAMSHIFT代码实现 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第5章 SVM用于手势识别 | 第33-47页 |
| ·手势目标分类方法 | 第33-35页 |
| ·SVM分类原理 | 第35-37页 |
| ·核函数选择 | 第37-38页 |
| ·参数最优化选择 | 第38-39页 |
| ·SVM分类实现 | 第39-46页 |
| ·SVM训练 | 第40-43页 |
| ·SVM测试 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第6章 手势识别实验 | 第47-53页 |
| ·实验环境 | 第47页 |
| ·手势识别系统总体程序设计 | 第47-48页 |
| ·识别结果 | 第48-52页 |
| ·学习模式 | 第48-49页 |
| ·视频文件识别模式 | 第49-51页 |
| ·摄像头识别模式 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第7章 总结与展望 | 第53-55页 |
| ·本课题总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间获得与学位论文相关的科硏成果 | 第59页 |
