| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 课题背景及研究意义 | 第10-13页 |
| 1.1.1 残疾人的状况统计 | 第11-12页 |
| 1.1.2 残疾人应用需求 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 穿戴式设备 | 第13-16页 |
| 1.2.2 面向穿戴视觉的人机交互 | 第16-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 章节安排 | 第20-21页 |
| 第二章 第一视角手检测 | 第21-46页 |
| 2.1 引言 | 第21-22页 |
| 2.2 FPV与传统手检测问题的异同 | 第22-24页 |
| 2.3 常见FPV手检测算法 | 第24-26页 |
| 2.3.1 模型驱动方法 | 第24-25页 |
| 2.3.2 数据驱动方法 | 第25-26页 |
| 2.4 特征选优与全局光照建模融合算法 | 第26-42页 |
| 2.4.1 特征选优 | 第27-34页 |
| 2.4.1.1 颜色信息 | 第27-29页 |
| 2.4.1.2 纹理信息 | 第29-31页 |
| 2.4.1.3 空间信息 | 第31-34页 |
| 2.4.2 全局光照建模 | 第34-42页 |
| 2.4.2.1 面向场景HSV颜色直方图K-MEANS聚类 | 第35-38页 |
| 2.4.2.2 随机回归树的学习 | 第38-42页 |
| 2.5 FPV手检测实验 | 第42-45页 |
| 2.5.1 实验数据库 | 第42-43页 |
| 2.5.2 特征有效性评估 | 第43-44页 |
| 2.5.2.1 局部颜色特征有效性评估 | 第43页 |
| 2.5.2.2 单个特征选取有效性评估 | 第43-44页 |
| 2.5.3 光照模型数目对检测效果的影响 | 第44-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第三章 面向可穿戴设备的兴趣目标识别 | 第46-62页 |
| 3.1 引言 | 第46-47页 |
| 3.2 传统目标识别与FPV目标识别区别 | 第47-48页 |
| 3.3 基于交互兴趣目标识别框架 | 第48-52页 |
| 3.3.1 指尖提取 | 第49-51页 |
| 3.3.2 ROI提取 | 第51-52页 |
| 3.4 纸币识别 | 第52-58页 |
| 3.4.1 传统的纸币识别算法 | 第52-56页 |
| 3.4.2 I2C纸币识别 | 第56-57页 |
| 3.4.3 交互I2C纸币识别 | 第57-58页 |
| 3.5 纸币识别算法验证 | 第58-61页 |
| 3.5.1 数据库简介 | 第58-59页 |
| 3.5.2 识别算法对比 | 第59-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第四章 穿戴视觉交互的地形识别 | 第62-76页 |
| 4.1 引言 | 第62页 |
| 4.2 可穿戴设备典型地形简介 | 第62-63页 |
| 4.3 传统地形识别方法 | 第63-66页 |
| 4.3.1 近场地形识别 | 第64-65页 |
| 4.3.2 远场地形识别 | 第65-66页 |
| 4.4 视觉地形识别算法 | 第66-72页 |
| 4.4.1 BoW模型 | 第67-68页 |
| 4.4.2 BoVW地形识别 | 第68-72页 |
| 4.5 视觉地形识别实验 | 第72-75页 |
| 4.5.1 地形数据库简介 | 第72页 |
| 4.5.2 BoVW地形分类实验 | 第72-75页 |
| 4.6 小结 | 第75-76页 |
| 第五章 可穿戴交互平台搭建 | 第76-82页 |
| 5.1 引言 | 第76-77页 |
| 5.2 可穿戴交互系统设计 | 第77-81页 |
| 5.2.1 硬件组成 | 第77-79页 |
| 5.2.2 软件架构 | 第79-81页 |
| 5.2.3 应用层功能模块设计 | 第81页 |
| 5.3 本章小结 | 第81-82页 |
| 第六章 总结 | 第82-84页 |
| 6.1 本文总结 | 第82-83页 |
| 6.2 未来展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 硕士期间研究成果 | 第91-92页 |