| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 究的背景以及意义 | 第9页 |
| 1.2 国内外研究的现状 | 第9-12页 |
| 1.3 论文的组织结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 手势分割及静态手势识别 | 第13-23页 |
| 2.1 基于肤色分割算法 | 第13-15页 |
| 2.2 基于边缘信息的手势分割 | 第15-17页 |
| 2.3 基于kNN-Hu不变矩的静态手势识别 | 第17-20页 |
| 2.3.1 Hu不变矩 | 第17-18页 |
| 2.3.2 kNN算法 | 第18-20页 |
| 2.3.3 交叉验证 | 第20页 |
| 2.4 kNN-Hu不变矩识别静态手势 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 动态手语的识别技术 | 第23-38页 |
| 3.1 BP神经网络模型 | 第23-28页 |
| 3.1.1 经网络模型的前向传播 | 第23-26页 |
| 3.1.2 神经网络模型的反向传播 | 第26-28页 |
| 3.2 SVM与3D卷积神经网络结合的模型 | 第28-33页 |
| 3.2.1 SVM算法 | 第28-31页 |
| 3.2.2 3D卷积神经网络 | 第31-33页 |
| 3.3 实验数据来源 | 第33-34页 |
| 3.4 实验结果 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 一种改进的动态手语识别方法 | 第38-51页 |
| 4.1 循环神经网络模型 | 第38-40页 |
| 4.2 特殊的循环神经网络—LSTM网络 | 第40-43页 |
| 4.3 3D卷积神经网络和LSTM结合的手语识别 | 第43-46页 |
| 4.4 改进的3D卷积神经网络和LSTM结合的手语识别 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |