基于HMM的动态手势识别
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究背景 | 第11-13页 |
| ·课题研究意义 | 第13-14页 |
| ·本文拟解决的主要问题 | 第14页 |
| ·基于视觉的动态手势识别系统概述 | 第14-17页 |
| ·手势分割 | 第15页 |
| ·手势跟踪与特征提取 | 第15-16页 |
| ·手势建模 | 第16页 |
| ·手势识别 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第二章 动态手势识别技术分析 | 第19-25页 |
| ·基于模板的技术 | 第19-21页 |
| ·模板匹配方法 | 第19页 |
| ·动态时间规整 | 第19-20页 |
| ·动态规划方法 | 第20-21页 |
| ·基于概率统计的技术 | 第21-22页 |
| ·隐马尔可夫模型 | 第21页 |
| ·动态贝叶斯网络 | 第21-22页 |
| ·条件随机场 | 第22页 |
| ·基于数据分类的技术 | 第22-24页 |
| ·神经网络 | 第22-23页 |
| ·支持向量机 | 第23页 |
| ·AdaBoost | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于 HMM 的孤立手势序列识别 | 第25-41页 |
| ·HMM 基本概念与原理 | 第25-26页 |
| ·HMM 的三个基本问题 | 第26-29页 |
| ·评估问题 | 第26-27页 |
| ·解码问题 | 第27-28页 |
| ·学习问题 | 第28-29页 |
| ·基于多阈值的动态手势识别 | 第29-37页 |
| ·手势检测和跟踪 | 第30-32页 |
| ·特征提取 | 第32-33页 |
| ·改进模型与手势识别 | 第33-37页 |
| ·序列识别与拒识结果 | 第37-39页 |
| ·典型手势识别 | 第37-38页 |
| ·非典型手势的拒识 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于阈值模型的连续手势识别 | 第41-49页 |
| ·连续手势识别概述 | 第41-43页 |
| ·连续手势自动切分 | 第41-42页 |
| ·连续手势识别 | 第42-43页 |
| ·阈值模型 | 第43-44页 |
| ·阈值模型参数选取 | 第44-45页 |
| ·基于阈值模型的手势序列识别 | 第45-48页 |
| ·连续手势的切分 | 第45-46页 |
| ·序列识别与拒识 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 连续手势自动切分与识别 | 第49-63页 |
| ·技术分析 | 第49-50页 |
| ·连续手势自动切分 | 第49页 |
| ·连续手势识别 | 第49-50页 |
| ·拐点检测 | 第50-55页 |
| ·基于方向角分析的拐点检测 | 第50-52页 |
| ·基于速率分析的拐点检测 | 第52-54页 |
| ·融合的手势轨迹拐点检测算法 | 第54-55页 |
| ·手势序列切分 | 第55-56页 |
| ·手势序列在线识别 | 第56-62页 |
| ·手势序列的在线切分与识别 | 第56-58页 |
| ·序列完整性判断 | 第58-59页 |
| ·嵌入式手势的识别 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71页 |
