基于动态贝叶斯网络模型的手势识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-11页 |
| ·课题背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状及未来发展趋势 | 第11-15页 |
| ·手势识别发展过程 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·未来发展趋势 | 第14-15页 |
| ·论文主要工作及章节安排 | 第15-17页 |
| ·论文主要工作 | 第15页 |
| ·论文章节安排 | 第15-17页 |
| 2 基于肤色的手势定位 | 第17-29页 |
| ·引言 | 第17页 |
| ·手势定位方法分析与比较 | 第17-26页 |
| ·基于肤色模型法 | 第17-24页 |
| ·背景差分法 | 第24-25页 |
| ·帧间差分法 | 第25-26页 |
| ·本文手势定位方法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 光流场法手势跟踪 | 第29-38页 |
| ·引言 | 第29-30页 |
| ·Camshift跟踪算法 | 第30-32页 |
| ·光流法 | 第32-36页 |
| ·光流法理论 | 第32-33页 |
| ·光流场 | 第33-36页 |
| ·基于光流法的目标跟踪 | 第36页 |
| ·本文手势跟踪方法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于DBN手势识别研究 | 第38-46页 |
| ·引言 | 第38页 |
| ·手势特征提取 | 第38-39页 |
| ·基于DTW的手势识别 | 第39-40页 |
| ·基于HMM的手势识别 | 第40-42页 |
| ·HMM理论 | 第40-41页 |
| ·HMM推理和学习 | 第41-42页 |
| ·基于HMM的手势识别方法 | 第42页 |
| ·基于动态贝叶斯网络模型的手势识别 | 第42-43页 |
| ·DBN理论 | 第42页 |
| ·基于DBN的手势识别 | 第42-43页 |
| ·本文手势识别方法 | 第43-45页 |
| ·手势特征提取 | 第43-44页 |
| ·手势识别 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于DBN的手势识别系统实现及分析 | 第46-64页 |
| ·引言 | 第46页 |
| ·实验结果及其分析 | 第46-62页 |
| ·视频库建立 | 第46-49页 |
| ·手势识别系统实验结果 | 第49-62页 |
| ·实验结果分析 | 第62-63页 |
| ·本章小节 | 第63-64页 |
| 6 总结及展望 | 第64-67页 |
| ·本文结论 | 第64页 |
| ·研究展望 | 第64-67页 |
| ·研究过程中出现的问题及探讨 | 第64-65页 |
| ·对手势识别系统的未来设想与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |
| 致谢 | 第73-75页 |
