面向装配示教学习的物体跟踪与手势识别
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 相关研究 | 第13-18页 |
| 1.2.1 目标追踪 | 第13-14页 |
| 1.2.2 手的检测与静态手势识别 | 第14-15页 |
| 1.2.3 动作行为识别 | 第15-17页 |
| 1.2.4 示教学习 | 第17-18页 |
| 1.3 本文研究内容 | 第18-20页 |
| 1.4 本文结构安排 | 第20-22页 |
| 2 结合全局描述和局部模板更新的目标跟踪 | 第22-42页 |
| 2.1 概述 | 第22-23页 |
| 2.2 跟踪问题基本框架介绍 | 第23-25页 |
| 2.2.1 目标跟踪与贝叶斯参数估计 | 第23-24页 |
| 2.2.2 模板更新与增量主成分分析 | 第24-25页 |
| 2.3 基于压缩感知的目标全局观测描述 | 第25-30页 |
| 2.3.1 压缩感知基本理论介绍 | 第25-27页 |
| 2.3.2 基于全局描述的目标跟踪 | 第27-30页 |
| 2.4 基于局部稀疏表示的目标模板更新算法 | 第30-36页 |
| 2.4.1 稀疏表示基本理论介绍 | 第30-33页 |
| 2.4.2 基于稀疏表达的局部模板更新 | 第33-36页 |
| 2.5 实验结果和分析 | 第36-39页 |
| 2.6 本章小结 | 第39-42页 |
| 3 基于形状特征的静态图像手势识别 | 第42-60页 |
| 3.1 概述 | 第42页 |
| 3.2 整体框架 | 第42-43页 |
| 3.3 基于肤色模型的手部检测 | 第43-46页 |
| 3.4 表观特征选取 | 第46-55页 |
| 3.4.1 梯度方向直方图的计算 | 第46-52页 |
| 3.4.2 Zernike矩的计算 | 第52-53页 |
| 3.4.3 Kernel-PCA的计算 | 第53-55页 |
| 3.5 分类器选择 | 第55-56页 |
| 3.6 实验结果及分析 | 第56-59页 |
| 3.7 本章小结 | 第59-60页 |
| 4 基于连续隐马尔科夫模型的动态手势识别 | 第60-78页 |
| 4.1 概述 | 第60页 |
| 4.2 隐马尔科夫模型介绍 | 第60-66页 |
| 4.2.1 HMM的定义与简介 | 第60-62页 |
| 4.2.2 HMM的三个问题 | 第62-64页 |
| 4.2.3 CHMM的简介与参数估计 | 第64-66页 |
| 4.3 基于连续隐马尔科夫模型的手势动作识别 | 第66-68页 |
| 4.4 融合物体追踪的操作动作识别 | 第68-72页 |
| 4.4.1 问题描述 | 第68-69页 |
| 4.4.2 系统架构 | 第69-71页 |
| 4.4.3 融合方法 | 第71-72页 |
| 4.5 实验结果和分析 | 第72-77页 |
| 4.6 本章小结 | 第77-78页 |
| 5 总结和展望 | 第78-82页 |
| 5.1 总结 | 第78-79页 |
| 5.2 展望 | 第79-82页 |
| 参考文献 | 第82-90页 |
| 作者简历 | 第90页 |
