| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究目的与意义 | 第16页 |
| 1.2 动态手势跟踪与识别的研究内容 | 第16-19页 |
| 1.3 动态手势跟踪与识别的发展现状 | 第19-21页 |
| 1.4 动态手势跟踪与识别的技术难点 | 第21-24页 |
| 第二章 手势分割与跟踪算法 | 第24-36页 |
| 2.1 基于普通摄像头的肤色的分割 | 第24-29页 |
| 2.1.1 肤色分割的高斯混合模型 | 第24-28页 |
| 2.1.2 基于普通摄像头的手势分割结果及算法分析 | 第28-29页 |
| 2.2 基于kinect的肤色的分割 | 第29-32页 |
| 2.2.1 Kinect工作原理及简介 | 第29页 |
| 2.2.2 融合深度与RGB的手势分割算法 | 第29-31页 |
| 2.2.3 基于kinect的手势分割结果及算法分析 | 第31-32页 |
| 2.3 手势跟踪算法 | 第32-35页 |
| 2.3.1 基于Camshift的手势跟踪算法 | 第32-35页 |
| 2.4 小结 | 第35-36页 |
| 第三章 基于模板匹配的静态手势识别 | 第36-46页 |
| 3.1 图像的一般特征 | 第36-37页 |
| 3.2 手势图像的特殊特征 | 第37-41页 |
| 3.3 基于模板匹配的静态手势识别 | 第41-44页 |
| 3.3.1 模板匹配算法总程序设计 | 第41-42页 |
| 3.3.2 手势识别的结果与分析 | 第42-44页 |
| 3.4 小结 | 第44-46页 |
| 第四章 复杂背景下的多特征融合手势识别 | 第46-62页 |
| 4.1 特征提取及融合 | 第46-51页 |
| 4.1.1 HOG特征的提取 | 第46-49页 |
| 4.1.2 加权Hu矩描述子 | 第49-51页 |
| 4.2 SVM基本思想 | 第51-55页 |
| 4.2.1 最优分类面 | 第51-53页 |
| 4.2.2 支持向量机模型及核函数的选择 | 第53-54页 |
| 4.2.3 SVM的多分类器问题 | 第54-55页 |
| 4.3 实验结果及分析 | 第55-61页 |
| 4.3.1 样本库的选择 | 第55-58页 |
| 4.3.2 实验结果与分析 | 第58-61页 |
| 4.4 小结 | 第61-62页 |
| 第五章 基于时空轨迹的HMM动态手势识别 | 第62-74页 |
| 5.1 动态手势的特征选择与提取 | 第62-63页 |
| 5.2 基于HMM的动态手势轨迹识别 | 第63-69页 |
| 5.2.1 隐马尔科夫模型 | 第63-65页 |
| 5.2.2 隐马尔科夫模型的三个基本问题 | 第65-69页 |
| 5.3 实验结果及分析 | 第69-73页 |
| 5.4 小结 | 第73-74页 |
| 第六章 系统集成与人机交互 | 第74-84页 |
| 6.1 集成系统核心思想及环境 | 第74-76页 |
| 6.2 系统的测试结果 | 第76-78页 |
| 6.3 人机交互 | 第78-83页 |
| 6.3.1 三维飞行视景仿真系统的设计与实现 | 第78-80页 |
| 6.3.2 手势与仿真系统的通信 | 第80-81页 |
| 6.3.3 人机交互的实验结果与分析 | 第81-83页 |
| 6.4 工作总结 | 第83-84页 |
| 第七章 总结与展望 | 第84-86页 |
| 7.1 工作总结 | 第84-85页 |
| 7.2 工作展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92-94页 |
| 作者简介 | 第94-95页 |