| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 手势识别研究现状 | 第11-17页 |
| 1.2.1 传统手势识别方法 | 第12-15页 |
| 1.2.2 基于RGBD深度图像的手势识别 | 第15-17页 |
| 1.3 目前存在的主要问题 | 第17-18页 |
| 1.3.1 复杂背景中进行手势分割的问题 | 第17页 |
| 1.3.2 特征提取的问题 | 第17页 |
| 1.3.3 动态手势中有效匹配的问题 | 第17-18页 |
| 1.4 本文主要工作及创新点 | 第18-19页 |
| 1.5 本文组织结构 | 第19-20页 |
| 第二章 基于多特征融合的静态手势识别 | 第20-41页 |
| 2.1 传统的静态手势识别策略 | 第20-22页 |
| 2.1.1 基于机器视觉的手势分割策略 | 第20-21页 |
| 2.1.2 传统的静态手势分类策略 | 第21-22页 |
| 2.2 静态手势识别框架 | 第22-23页 |
| 2.3 利用多特征融合的手势识别 | 第23-39页 |
| 2.3.1 基于MTS的手势分割 | 第23-28页 |
| 2.3.2 融合轮廓特征、几何参数特征和Hu矩特征进行手部特征提取 | 第28-36页 |
| 2.3.3 利用SVM进行手势训练 | 第36-39页 |
| 2.4 实验结果分析 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于k-DTW的动态手势识别 | 第41-53页 |
| 3.1 传统的动态手势识别策略 | 第41-42页 |
| 3.2 动态手势识别框架 | 第42-43页 |
| 3.3 基于动态时间规整的动态手势识别 | 第43-51页 |
| 3.3.1 核心算法介绍 | 第43-47页 |
| 3.3.2 动态手势获取与预处理 | 第47-49页 |
| 3.3.3 基于k-DTW的动态手势匹配 | 第49-51页 |
| 3.4 实验结果分析 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于实时手势识别的汽车驾驶交互平台应用 | 第53-69页 |
| 4.1 实验意义 | 第53-54页 |
| 4.2 基于Kinect的人机交互开发平台搭建 | 第54-57页 |
| 4.2.1 Kinect结构简介 | 第54-55页 |
| 4.2.2 以SONO为核心的深度图像开发平台搭建 | 第55-57页 |
| 4.3 基于手势识别的汽车驾驶交互原型系统 | 第57-68页 |
| 4.3.1 原型系统的构建 | 第57-60页 |
| 4.3.2 系统具体实现流程 | 第60-63页 |
| 4.3.3 实验与分析 | 第63-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-72页 |
| 5.1 论文工作总结 | 第69-70页 |
| 5.2 未来工作展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间参与科研项目和科研成果 | 第77-78页 |
| 致谢 | 第78-79页 |