基于时空轨迹特征的HMM动态手势识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·引言 | 第8-10页 |
| ·手势识别国内外发展现状 | 第10-12页 |
| ·论文组织结构 | 第12-13页 |
| 第2章 基于视觉的手势识别的算法研究 | 第13-31页 |
| ·手势检测算法 | 第13-21页 |
| ·背景差法 | 第14-15页 |
| ·混合高斯模型 | 第15-19页 |
| ·光流法 | 第19-21页 |
| ·手势跟踪算法 | 第21-27页 |
| ·粒子滤波 | 第22-23页 |
| ·卡尔曼滤波 | 第23-25页 |
| ·CAMSHIFT滤波 | 第25-27页 |
| ·手势识别算法 | 第27-31页 |
| ·神经网络 | 第27-28页 |
| ·动态时间规整(DTW) | 第28-29页 |
| ·隐马尔科夫模型(HMM) | 第29-30页 |
| ·支持向量机(SVM) | 第30-31页 |
| 第3章 基于HU矩和SVM的静态手势识别 | 第31-46页 |
| ·肤色分割 | 第31-32页 |
| ·二值化手势图像 | 第32页 |
| ·形态学去噪声 | 第32-33页 |
| ·轮廓提取 | 第33-35页 |
| ·HU不变矩 | 第35-37页 |
| ·支持向量机SVM | 第37-40页 |
| ·研究开发环境和实验结果 | 第40-42页 |
| ·系统开发结果 | 第42-46页 |
| 第4章 基于时空轨迹的HMM的动态手势识别 | 第46-62页 |
| ·基于改进的粒子滤波的动态手势的跟踪 | 第46-48页 |
| ·变权平均对粒子滤波算法 | 第46-47页 |
| ·实验结果及分析 | 第47-48页 |
| ·动态手势的时空轨迹特征选择与提取 | 第48-50页 |
| ·基于HMM的动态手势识别 | 第50-58页 |
| ·隐马尔科夫模型 | 第51-53页 |
| ·HMM模型的三个问题 | 第53-58页 |
| ·实验过程及结果 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表学术成果 | 第68-70页 |
| 致谢 | 第70-72页 |
