面向人机交互的人手检测与跟踪
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 2 基于多线索的人手检测 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 算法框架 | 第16-18页 |
| 2.3 基于光流法的运动区域提取 | 第18-21页 |
| 2.4 基于HAAR-LIKE特征的人手检测 | 第21-25页 |
| 2.5 基于时间上下文线索的多帧关联 | 第25页 |
| 2.6 实验结果及分析 | 第25-28页 |
| 2.7 本章小结 | 第28-30页 |
| 3 基于实例化KCF的人手跟踪 | 第30-62页 |
| 3.1 引言 | 第30-31页 |
| 3.2 算法框架 | 第31-32页 |
| 3.3 人手运动估计 | 第32-35页 |
| 3.4 获取候选人手位置 | 第35-39页 |
| 3.5 确定人手位置 | 第39-44页 |
| 3.6 模型更新 | 第44页 |
| 3.7 实验结果及分析 | 第44-60页 |
| 3.8 本章小结 | 第60-62页 |
| 4 结合超像素分割的人手跟踪 | 第62-84页 |
| 4.1 引言 | 第62-63页 |
| 4.2 算法框架 | 第63-64页 |
| 4.3 人手区域预处理 | 第64-67页 |
| 4.4 超像素分割 | 第67-68页 |
| 4.5 人手位置校正 | 第68-69页 |
| 4.6 实验结果及分析 | 第69-83页 |
| 4.7 本章小结 | 第83-84页 |
| 5 总结与展望 | 第84-87页 |
| 5.1 总结 | 第84-85页 |
| 5.2 本文创新点 | 第85页 |
| 5.3 进一步展望 | 第85-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-95页 |
| 附录1 攻读学位期间取得的成果 | 第95页 |
