视频中手势跟踪与手写数字识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·目标跟踪的研究现状 | 第9-10页 |
| ·手势识别的研究现状 | 第10-11页 |
| ·课题的研究工作 | 第11页 |
| ·论文的章节安排 | 第11-12页 |
| 第二章 常见的目标跟踪与识别方法 | 第12-22页 |
| ·目标检测方法 | 第12-16页 |
| ·背景减除法 | 第12-13页 |
| ·帧间差分法 | 第13页 |
| ·基于颜色的检测方法 | 第13-16页 |
| ·目标跟踪方法 | 第16-19页 |
| ·KALMAN滤波算法 | 第16-17页 |
| ·粒子滤波算法 | 第17-18页 |
| ·光流法 | 第18-19页 |
| ·模式识别方法 | 第19-21页 |
| ·模糊模式分类方法 | 第19页 |
| ·神经网络模式分类方法 | 第19-20页 |
| ·支持向量机模式分类方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 手势跟踪 | 第22-40页 |
| ·图像预处理 | 第22-26页 |
| ·均值滤波 | 第22-24页 |
| ·中值滤波 | 第24-26页 |
| ·初始目标的选定 | 第26-30页 |
| ·肤色检测 | 第26-27页 |
| ·数学形态学处理 | 第27-29页 |
| ·最大连通域 | 第29-30页 |
| ·基于几何矩的改进MEAN-SHIFT算法 | 第30-37页 |
| ·MEAN-SHIFT算法 | 第30-34页 |
| ·基于几何矩的改进MEAN-SHIFT算法 | 第34-37页 |
| ·本章小结 | 第37-40页 |
| 第四章 手势及手写数字识别 | 第40-54页 |
| ·随机森林算法 | 第40-43页 |
| ·决策树 | 第40-41页 |
| ·随机森林 | 第41-43页 |
| ·手势学习及识别 | 第43-50页 |
| ·手势特征提取 | 第43-50页 |
| ·手势特征训练及分类 | 第50页 |
| ·数字学习及识别 | 第50-52页 |
| ·手写数字及识别 | 第50-51页 |
| ·视频中手势控制的数字识别 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 手势跟踪及手写数字识别系统 | 第54-62页 |
| ·系统结构 | 第54-55页 |
| ·系统模块功能 | 第55-56页 |
| ·实验结果及分析 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 附录A (硕士期间研究成果) | 第68页 |
