复杂环境下通用的手势识别方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 手势识别的主要思路 | 第14-15页 |
| 1.4 手势识别的难点 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-17页 |
| 第二章 手势区域提取 | 第17-27页 |
| 2.1 引言 | 第17-19页 |
| 2.1.1 椭圆肤色模型 | 第17-18页 |
| 2.1.2 获取手势轮廓 | 第18-19页 |
| 2.2 基于位运算的手势分割方法 | 第19-25页 |
| 2.2.1 获取肤色似然特征 | 第19-21页 |
| 2.2.2 肤色似然特征与手势区域检测 | 第21-22页 |
| 2.2.3 BISL二进制肤色似然特征 | 第22-25页 |
| 2.3 实验结果分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于卷积神经网络进行手势识别 | 第27-50页 |
| 3.1 引言 | 第27页 |
| 3.2 全连接神经网络 | 第27-31页 |
| 3.2.1 神经元与激励函数 | 第27-28页 |
| 3.2.2 正向计算 | 第28-29页 |
| 3.2.3 反向传播 | 第29-31页 |
| 3.3 卷积神经网络 | 第31-40页 |
| 3.3.1 卷积神经网络的特点 | 第31-33页 |
| 3.3.2 卷积神经网络的结构 | 第33-34页 |
| 3.3.3 卷积神经网络的相关操作 | 第34-38页 |
| 3.3.4 卷积神经网络的计算过程 | 第38-40页 |
| 3.4 使用卷积网络进行手势识别 | 第40-47页 |
| 3.4.1 网络输入特征的选择 | 第41-42页 |
| 3.4.2 网络输入样本的选择 | 第42-45页 |
| 3.4.3 网络的整体结构设计 | 第45页 |
| 3.4.4 使用GPU进行加速 | 第45-47页 |
| 3.5 实验结果分析 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于形状信息的肤色参数更新 | 第50-61页 |
| 4.1 引言 | 第50页 |
| 4.2 基于先验形状的图像分割 | 第50-54页 |
| 4.2.1 图像分割的方法介绍 | 第50-52页 |
| 4.2.2 本文的手势分割模型 | 第52-54页 |
| 4.3 更新椭圆肤色模型参数 | 第54-58页 |
| 4.3.1 方法的原理 | 第54-55页 |
| 4.3.2 损失函数和计算过程 | 第55-57页 |
| 4.3.3 迭代更新和辅助特征 | 第57-58页 |
| 4.4 实验结果分析 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读学位期间发表的论文 | 第69-73页 |
| 致谢 | 第73页 |
