基于深度学习和稀疏表示的手势识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 微缩语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 引言 | 第14-15页 |
| 1.2 研究现状 | 第15-17页 |
| 1.2.1 手势识别概述 | 第15页 |
| 1.2.2 手势识别应用前景 | 第15-16页 |
| 1.2.3 手势识别研究难点 | 第16-17页 |
| 1.3 手势识别研究的方法和现状 | 第17-19页 |
| 1.4 本文组织结构 | 第19-22页 |
| 第二章 本文所用手势识别相关算法介绍 | 第22-34页 |
| 2.1 稀疏自编码神经网络 | 第22-26页 |
| 2.2 卷积和池化 | 第26-28页 |
| 2.2.1 卷积 | 第26-27页 |
| 2.2.2 池化 | 第27-28页 |
| 2.3 稀疏编码 | 第28-29页 |
| 2.4 SVM分类器 | 第29-31页 |
| 2.5 手势识别数据库 | 第31-32页 |
| 2.5.1 静态手势识别数据库 | 第31-32页 |
| 2.5.2 动态手势识别数据库 | 第32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 将有监督和无监督结合的静态手势识别 | 第34-42页 |
| 3.1 稀疏自编码神经网络的训练 | 第35-36页 |
| 3.2 特征的可视化 | 第36-37页 |
| 3.3 卷积和池化特征提取 | 第37页 |
| 3.4 分类识别 | 第37-38页 |
| 3.5 实验结果及分析 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 融合深度信息的静态手势识别 | 第42-46页 |
| 4.1 融合深度信息的手势识别方法 | 第42-43页 |
| 4.2 深度图中特征点的提取 | 第43页 |
| 4.3 深度信息特征提取 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于稀疏表示的动态手势识别 | 第46-54页 |
| 5.1 引言 | 第46-47页 |
| 5.2 时空兴趣点的检测 | 第47-49页 |
| 5.3 三维时空描述符提取 | 第49-50页 |
| 5.4 特征稀疏编码 | 第50-52页 |
| 5.4.1 词袋模型和稀疏编码 | 第50-51页 |
| 5.4.2 超完备字典训练 | 第51页 |
| 5.4.3 稀疏编码特征表达 | 第51-52页 |
| 5.5 实验结果及分析 | 第52-53页 |
| 5.6 本章总结 | 第53-54页 |
| 第六章 总结与展望 | 第54-58页 |
| 6.1 本文总结 | 第54-55页 |
| 6.2 展望 | 第55-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |
