首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于隐马尔科夫模型和深度摄像头的动态手势识别研究

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

论文共58页,点击 下载论文
上一篇:无参考的虹膜图像质量评估算法的研究
下一篇:关于房地产开发景气指数与利率的动态分析