| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及意义 | 第10-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 研究的难点和挑战 | 第15-17页 |
| 1.4 本文的结构安排 | 第17-19页 |
| 第2章 人手手势定位理论概述 | 第19-23页 |
| 2.1 人手手势特征表示 | 第20-22页 |
| 2.1.1 基于全局特征的表示 | 第21页 |
| 2.1.2 基于局部特征的表示 | 第21-22页 |
| 2.2 人手手势分类方法 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 采集图像的人手特征研究 | 第23-36页 |
| 3.1 手势数据库的制备介绍 | 第23-26页 |
| 3.2 原始特征提取 | 第26-33页 |
| 3.2.1 MB-LBP特征 | 第26-29页 |
| 3.2.2 梯度直方图特征 | 第29-33页 |
| 3.3 积分图的使用 | 第33-34页 |
| 3.4 实验测试及分析算法的有效性 | 第34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 现实场景下的人手定位方法研究 | 第36-50页 |
| 4.1 选取现实场景下的原始特征 | 第36-37页 |
| 4.2 复杂背景下人手分类方法 | 第37-42页 |
| 4.2.1 SVM算法 | 第37-40页 |
| 4.2.2 线性判别分析(Linear Discriminant Analysis, LDA)算法描述 | 第40-42页 |
| 4.3 级联分类器的构建 | 第42-44页 |
| 4.4 分类器训练 | 第44-49页 |
| 4.4.1 AdaBoost算法对HoG特征的抽取 | 第44-47页 |
| 4.4.2 Multi-Branch Tree算法 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验结果分析 | 第50-55页 |
| 5.1 AdaBoost训练结果 | 第50-51页 |
| 5.2 多叉树训练结果 | 第51-53页 |
| 5.3 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第61页 |
