| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 本文研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 基于机器学习的目标检测及跟踪方法的研究现状 | 第8-10页 |
| 1.2.2 手势识别研究方法现状 | 第10-12页 |
| 1.3 本文的主要贡献 | 第12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 2 手势检测跟踪识别框架及流程 | 第13-42页 |
| 2.1 整体算法流程概述 | 第13页 |
| 2.2 手势位置跟踪与检测 | 第13-42页 |
| 2.2.1 算法概述 | 第13-15页 |
| 2.2.2 流程概述 | 第15页 |
| 2.2.3 手势的检测 | 第15-27页 |
| 2.2.4 跟踪器跟踪手的位置 | 第27-41页 |
| 2.2.5 检测器与跟踪器结果整合 | 第41-42页 |
| 3 手势的分割和特征提取 | 第42-51页 |
| 3.1 手势分割与特征提取 | 第42-48页 |
| 3.2 基于DTW的动态手势识别 | 第48-51页 |
| 4 实验结果 | 第51-61页 |
| 4.1 实验环境描述 | 第51页 |
| 4.2 手的检测实验结果对比 | 第51-53页 |
| 4.3 数据降维实验结果对比 | 第53页 |
| 4.4 手势跟踪结果比较 | 第53-55页 |
| 4.5 手势识别结果对比 | 第55-61页 |
| 4.5.1 简单背景下的手势识别结果对比 | 第55-58页 |
| 4.5.2 复杂背景下的手势识别结果对比 | 第58-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |