人机交互中的手势分割及识别关键技术的研究
| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 课题研究背景及难点 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 手势分割算法的研究 | 第15-17页 |
| 1.2.2 手势分类算法的研究 | 第17-18页 |
| 1.3 论文研究重点 | 第18-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 基于混合高斯模型手势分割算法 | 第21-28页 |
| 2.1 图像的预处理 | 第21-22页 |
| 2.2 高斯混合模型的建立 | 第22-25页 |
| 2.2.1 混合模型期望最大化算法 | 第23-24页 |
| 2.2.2 模型的学习方法 | 第24-25页 |
| 2.3 手势区域的重建 | 第25-28页 |
| 2.3.1 形态学处理 | 第25-26页 |
| 2.3.2 单连通操作 | 第26页 |
| 2.3.3 手势区域重建 | 第26-28页 |
| 第三章 用于手势分类的深度卷积神经网络模型 | 第28-42页 |
| 3.1 深度卷积神经网络模型的结构 | 第29-33页 |
| 3.1.1 卷积层 | 第31-32页 |
| 3.1.2 池化层 | 第32-33页 |
| 3.1.3 全连接层及softmax层 | 第33页 |
| 3.2 激活函数 | 第33-36页 |
| 3.3 代价函数 | 第36-38页 |
| 3.3.1 代价函数的介绍 | 第36-38页 |
| 3.3.2 代价函数的选择 | 第38页 |
| 3.4 用于手势分类的模型的详细参数 | 第38-39页 |
| 3.5 深度卷积神经网络的训练 | 第39-42页 |
| 3.5.1 训练细节 | 第40页 |
| 3.5.2 训练及测试过程 | 第40-42页 |
| 第四章 实验结果及分析 | 第42-51页 |
| 4.1 数据库 | 第42-43页 |
| 4.1.1 室内自采集数据库 | 第42-43页 |
| 4.1.2 室外公共数据库 | 第43页 |
| 4.2 手势分割效果 | 第43-44页 |
| 4.3 手势分类效果 | 第44-47页 |
| 4.3.1 与传统CNN对比结果 | 第44-46页 |
| 4.3.2 与经典算法对比结果 | 第46-47页 |
| 4.4 深度CNN的可视化分析与理解 | 第47-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 学位论文评阅及答辩情况表 | 第60页 |
