| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 本文研究的背景和意义 | 第9页 |
| 1.2 手势识别研究的现状 | 第9-11页 |
| 1.3 本文研究的着重点 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 第2章 手势识别中的手势分割算法研究 | 第13-31页 |
| 2.1 肤色检测的颜色空间 | 第13-15页 |
| 2.1.1 RGB颜色空间 | 第13-14页 |
| 2.1.2 HSI颜色空间 | 第14页 |
| 2.1.3 YCbCr颜色空间 | 第14-15页 |
| 2.2 肤色检测应用的算法 | 第15-19页 |
| 2.2.1 Adaboost算法 | 第15-16页 |
| 2.2.2 朴素贝叶斯分类器和贝叶斯网络分类器 | 第16-17页 |
| 2.2.3 随机森林算法(Random Forest) | 第17-18页 |
| 2.2.4 支持向量机(SVM) | 第18页 |
| 2.2.5 径向基函数(RBF) | 第18-19页 |
| 2.3 肤色识别算法的研究 | 第19-24页 |
| 2.3.1 基于随机森林的肤色分类实验 | 第19-23页 |
| 2.3.2 基于彩色图像的肤色识别算法比较 | 第23-24页 |
| 2.4 基于深度图像的手势分割算法研究 | 第24-31页 |
| 2.4.1 基于深度图像的优势 | 第24-27页 |
| 2.4.2 随机森林应用于深度图像下的手势分割 | 第27-31页 |
| 第3章 手势模型的参数估计研究 | 第31-44页 |
| 3.1 手势模型的研究 | 第31-34页 |
| 3.2 手势参数估计算法的研究 | 第34-41页 |
| 3.2.1 PSO(粒子群算法) | 第35-39页 |
| 3.2.2 视图矩阵和投影矩阵 | 第39-41页 |
| 3.3 基于PSO的手势参数的求解 | 第41-44页 |
| 第4章 基于GPU的PSO加速算法的研究 | 第44-53页 |
| 4.1 GPU计算相对于CPU计算的优势分析 | 第44-45页 |
| 4.2 GPU架构与CUDA简介 | 第45-49页 |
| 4.3 基于GPU的加速算法研究 | 第49-53页 |
| 第5章 结论与展望 | 第53-54页 |
| 5.1 全文结论 | 第53页 |
| 5.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间所开展的科研项目和发表的学术论文 | 第58页 |