| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.2 手势识别技术研究现状 | 第11-13页 |
| 1.2.1 基于数据手套的手势识别系统 | 第11-12页 |
| 1.2.2 基于计算机视觉的手势识别系统 | 第12-13页 |
| 1.3 论文的主要研究内容和结构安排 | 第13-15页 |
| 第2章 手势检测 | 第15-32页 |
| 2.1 引言 | 第15页 |
| 2.2 基于肤色模型的手势检测 | 第15-19页 |
| 2.2.1 常用的颜色空间 | 第15-17页 |
| 2.2.2 不同颜色空间下肤色的聚类性 | 第17-19页 |
| 2.3 融合连通域特征的肤色模型 | 第19-25页 |
| 2.3.1 图像预处理 | 第19-21页 |
| 2.3.2 图像阈值分割 | 第21-22页 |
| 2.3.3 连通域分析 | 第22-23页 |
| 2.3.4 算法效果验证 | 第23-25页 |
| 2.4 基于Haar-like特征的Adaboost手势检测 | 第25-28页 |
| 2.4.1 Haar-like特征 | 第25-27页 |
| 2.4.2 Boost分类器 | 第27-28页 |
| 2.5 多检测器的融合 | 第28-29页 |
| 2.6 实验结果及分析 | 第29-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 手势运动跟踪 | 第32-47页 |
| 3.1 Mean-shift简介 | 第32-35页 |
| 3.1.1 核函数 | 第33页 |
| 3.1.2 Mean-shift向量形式 | 第33-34页 |
| 3.1.3 Mean-shift概率密度梯度 | 第34-35页 |
| 3.2 Mean-shift跟踪算法流程 | 第35-38页 |
| 3.2.1 手势特征提取 | 第35-36页 |
| 3.2.2 相似度度量 | 第36-37页 |
| 3.2.3 候选区域搜索算法 | 第37-38页 |
| 3.3 混合SIFT特征的手势追踪 | 第38-44页 |
| 3.3.1 SIFT特征 | 第38-43页 |
| 3.3.2 混合特征手势追踪 | 第43-44页 |
| 3.4 实验结果与分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 手势识别 | 第47-56页 |
| 4.1 HOG特征 | 第47-50页 |
| 4.1.1 图像归一化 | 第48-49页 |
| 4.1.2 梯度计算 | 第49页 |
| 4.1.3 建立梯度方向直方图 | 第49-50页 |
| 4.1.4 特征信息整理 | 第50页 |
| 4.2 SVM支持向量机模型 | 第50-52页 |
| 4.2.1 线性分类器 | 第50-52页 |
| 4.2.2 非线性分类器 | 第52页 |
| 4.3 静态手势识别 | 第52-53页 |
| 4.4 实验结果和分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-58页 |
| 5.1 研究内容总结 | 第56页 |
| 5.2 下一步研究和展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |