摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-12页 |
1.1 研究内容及意义 | 第10页 |
1.2 动态手势识别的研究现状及方法 | 第10-11页 |
1.3 本文结构 | 第11-12页 |
第2章 基于单目摄像头的动态手势识别研究 | 第12-21页 |
2.1 基于隐马尔科夫模型的手势识别方法 | 第12-20页 |
2.1.1 隐马尔科夫模型 | 第12-13页 |
2.1.1.1 HMM的概念 | 第12-13页 |
2.1.1.2 HMM可解决的三类问题 | 第13页 |
2.1.2 隐马尔科夫模型的经典算法 | 第13-18页 |
2.1.2.1 向前、向后算法 | 第13-15页 |
2.1.2.2 Viterbi算法 | 第15-16页 |
2.1.2.3 Baum-Welch算法 | 第16-18页 |
2.1.3 隐马尔科夫模型在手势识别中的应用 | 第18-20页 |
2.1.3.1 状态数目设定 | 第18页 |
2.1.3.2 状态转移矩阵形式 | 第18-19页 |
2.1.3.3 可观测输出及其数目设定 | 第19-20页 |
2.2 方法总结及分析 | 第20-21页 |
第3章 基于深度摄像头的动态手势识别研究 | 第21-39页 |
3.1 基于多维离散隐马尔科夫模型的空间手势识别方法 | 第21-28页 |
3.1.1 多维离散隐马尔科夫模型 | 第21-22页 |
3.1.1.1 多维离散HMM的概念 | 第21-22页 |
3.1.1.2 多维离散HMM可解决的三类问题 | 第22页 |
3.1.2 多维离散隐马尔科夫模型的经典算法 | 第22-27页 |
3.1.2.1 向前、向后算法 | 第22-24页 |
3.1.2.2 Viterbi算法 | 第24-25页 |
3.1.2.3 Baum-Welch算法 | 第25-27页 |
3.1.3 多维离散隐马尔科夫模型在手势识别中的应用 | 第27-28页 |
3.1.3.1 维数设定 | 第27页 |
3.1.3.2 状态数目、可观测输出及其数目设定 | 第27-28页 |
3.2 基于多维连续隐马尔科夫模型的空间手势识别方法 | 第28-36页 |
3.2.1 多维连续隐马尔科夫模型 | 第28-29页 |
3.2.1.1 多维连续HMM的概念 | 第28-29页 |
3.2.1.2 多维连续HMM可解决的三类问题 | 第29页 |
3.2.2 多维连续隐马尔科夫模型的经典算法 | 第29-34页 |
3.2.2.1 向前、向后算法 | 第29-31页 |
3.2.2.2 Viterbi算法 | 第31-32页 |
3.2.2.3 Baum-Welch算法 | 第32-34页 |
3.2.3 多维连续隐马尔科夫模型在手势识别中的应用 | 第34-36页 |
3.2.3.1 状态数目及密度函数数量设定 | 第34页 |
3.2.3.2 可观测输出选取 | 第34-35页 |
3.2.3.3 训练多维连续HMM的参数初始化 | 第35页 |
3.2.3.4 识别性能优化 | 第35-36页 |
3.3 基于多维离散和连续结合的隐马尔科夫模型的手势识别方法 | 第36-38页 |
3.3.1 多维离散和多维连续HMM的特点 | 第36-37页 |
3.3.2 多维离散和连续相结合HMM的手势识别 | 第37-38页 |
3.4 方法总结及分析 | 第38-39页 |
第4章 阈值模型及其应用 | 第39-44页 |
4.1 阈值模型 | 第39页 |
4.2 阈值模型构建方法 | 第39-41页 |
4.2.1 一维离散HMM的阈值模型构建方法 | 第39-40页 |
4.2.2 多维离散HMM的阂值模型构建方法 | 第40-41页 |
4.2.3 多维连续HMM的阂值模型构建方法 | 第41页 |
4.3 阈值模型可作为动态阈值意义和原理 | 第41-43页 |
4.4 利用阈值模型判断手势起始点和终止点 | 第43-44页 |
第5章 实验结果及分析 | 第44-52页 |
5.1 实验环境选择 | 第44-45页 |
5.2 实验流程及结果分析 | 第45-50页 |
5.2.1 获取及选择训练样本 | 第45-50页 |
5.2.2 多维离散HMM识别结果 | 第50页 |
5.2.3 多维连续HMM识别结果 | 第50页 |
5.3 实验结果分析 | 第50-52页 |
第6章 工作总结及未来展望 | 第52-54页 |
6.1 本文工作总结 | 第52页 |
6.2 进一步工作内容 | 第52-54页 |
参考文献 | 第54-58页 |
致谢 | 第58页 |