| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-26页 |
| ·课题研究背景 | 第14-19页 |
| ·课题研究意义 | 第19-20页 |
| ·国内外研究现状 | 第20-23页 |
| ·论文研究内容 | 第23-24页 |
| ·论文组织结构 | 第24-26页 |
| 第2章 相关技术基础 | 第26-36页 |
| ·手势分割 | 第26-32页 |
| ·基于肤色模型的手势分割 | 第27-28页 |
| ·基于模板匹配的手势分割 | 第28-30页 |
| ·基于运动的手势分割 | 第30-31页 |
| ·基于局部区域信息的手势分割 | 第31页 |
| ·基于多模式的手势分割 | 第31-32页 |
| ·特征提取 | 第32-33页 |
| ·手势识别 | 第33-35页 |
| ·基于模板匹配的手势识别 | 第34页 |
| ·基于几何特征的手势识别 | 第34-35页 |
| ·基于神经网络的手势识别 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第3章 手势特征提取与降维 | 第36-50页 |
| ·基于特征联合和 PLS 降维的手势识别方法 | 第36-37页 |
| ·手势特征提取 | 第37-43页 |
| ·提取手势 HOG 特征 | 第38-40页 |
| ·提取手势 LBP 特征 | 第40-42页 |
| ·手势特征联合 | 第42-43页 |
| ·利用 PLS 对手势特征进行降维 | 第43-47页 |
| ·偏最小二乘回归分析方法 | 第44-45页 |
| ·偏最小二乘回归建模 | 第45-46页 |
| ·手势特征降维 | 第46-47页 |
| ·本章小结 | 第47-50页 |
| 第4章 基于 SVM 的手势训练与识别 | 第50-68页 |
| ·统计学习理论概述 | 第50-51页 |
| ·SVM 简介 | 第51-55页 |
| ·线性可分 SVM | 第52-53页 |
| ·线性近似可分 SVM | 第53-54页 |
| ·非线性可分 SVM | 第54-55页 |
| ·基于 SVM 实现手势二分类 | 第55-56页 |
| ·基于 SVM 实现手势多分类 | 第56-63页 |
| ·SVM 多分类方法 | 第56-60页 |
| ·多种手势的分类训练与识别 | 第60-63页 |
| ·使用 LibSVM 实现手势的分类训练与识别 | 第63-65页 |
| ·训练 LibSVM 形成手势识别器 | 第64页 |
| ·使用手势识别器识别样本 | 第64-65页 |
| ·基于特征联合和偏最小二乘降维的手势识别算法描述 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 实验与分析 | 第68-78页 |
| ·实验环境 | 第68-69页 |
| ·基于 Jochen Triesch 手势库的实验 | 第69-73页 |
| ·Marcel 协议下的性能测试与分析 | 第70-72页 |
| ·均衡背景下的性能测试与分析 | 第72-73页 |
| ·基于自制手势库的实验 | 第73-76页 |
| ·手势训练样本制作 | 第73-74页 |
| ·性能测试与分析 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 结论 | 第78-81页 |
| 参考文献 | 第81-92页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第92-93页 |
| 致谢 | 第93-94页 |
| 作者简介 | 第94页 |