基于SVM和HMM混合模型的动态手势识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究内容与研究意义 | 第8-9页 |
| ·手势识别研究现状 | 第9-10页 |
| ·本文结构 | 第10-11页 |
| 第二章 基于隐马尔可夫模型的动态手势识别 | 第11-19页 |
| ·隐马尔可夫模型 | 第11-13页 |
| ·HMM概念 | 第11-12页 |
| ·隐马尔可夫模型需解决的三个问题 | 第12-13页 |
| ·隐马尔可夫模型中使用的经典算法 | 第13-17页 |
| ·前向-后向算法 | 第13-15页 |
| ·Viterbi算法 | 第15页 |
| ·Baum-Welch算法 | 第15-17页 |
| ·基于隐马尔可夫模型的手势识别 | 第17-19页 |
| ·训练手势的隐马尔可夫模型 | 第17页 |
| ·系统框架及讨论 | 第17-19页 |
| 第三章 支持向量机算法及其应用 | 第19-32页 |
| ·统计学习理论 | 第19-24页 |
| ·一般机器学习方法所遇到的问题 | 第19-20页 |
| ·学习机函数估计模型 | 第20-21页 |
| ·期望风险和经验风险 | 第21-22页 |
| ·VC维理论 | 第22页 |
| ·结构风险最小化 | 第22-24页 |
| ·SVM基本思想 | 第24-31页 |
| ·最优分类面 | 第24-25页 |
| ·支持向量机模型 | 第25-27页 |
| ·支持向量机核函数的选取 | 第27页 |
| ·多类情况下的SVM模型 | 第27-29页 |
| ·SMO训练算法 | 第29-31页 |
| ·SVM在模式识别领域的应用 | 第31-32页 |
| 第四章 基于SVM/HMM多层分类器的手势识别 | 第32-48页 |
| ·决策级融合技术 | 第32-34页 |
| ·SVM/HMM多层分类器的设计 | 第34-36页 |
| ·"一对多"策略的变形 | 第34-35页 |
| ·分类器的设计 | 第35-36页 |
| ·基于SVM/HMM混合模型的手势识别系统设计 | 第36-45页 |
| ·动态手势识别系统架构 | 第36页 |
| ·预处理 | 第36-39页 |
| ·手势特征的提取及量化 | 第39-41页 |
| ·动态手势模板库 | 第41-43页 |
| ·基于SVM/HMM混合模型的训练 | 第43-44页 |
| ·基于SVM/HMM混合模型的手势识别 | 第44-45页 |
| ·手势识别实例分析 | 第45-48页 |
| 第五章 实验结果及讨论 | 第48-50页 |
| ·实验环境 | 第48页 |
| ·实验流程及结果分析 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文工作总结 | 第50-51页 |
| ·论文存在的不足 | 第51页 |
| ·进一步工作 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文及参与项目情况 | 第55-56页 |
| 致谢 | 第56页 |
