| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 课题研究背景及其意义 | 第8-9页 |
| 1.2 手势识别系统 | 第9-13页 |
| 1.2.1 手势的分类 | 第9-10页 |
| 1.2.2 手势分割 | 第10-12页 |
| 1.2.3 手势跟踪 | 第12页 |
| 1.2.4 手势识别 | 第12-13页 |
| 1.3 国内外发展现状 | 第13-16页 |
| 1.3.1 国外研究现状 | 第13-15页 |
| 1.3.2 国内研究现状 | 第15-16页 |
| 1.4 手势数据集 | 第16-18页 |
| 1.5 本文的章节安排 | 第18-20页 |
| 第二章 静态手势识别的理论基础 | 第20-28页 |
| 2.1 手势分割方法 | 第20-22页 |
| 2.1.1 肤色分割 | 第20-21页 |
| 2.1.2 深度阈值分割 | 第21-22页 |
| 2.2 手势追踪方法 | 第22-24页 |
| 2.2.1 均值漂移算法 | 第22-23页 |
| 2.2.2 Camshift | 第23-24页 |
| 2.3 手势区域提取的算法 | 第24-26页 |
| 2.3.1 Kalman滤波的跟踪方法 | 第24-25页 |
| 2.3.2 去手臂 | 第25-26页 |
| 2.3.3 图像的预处理 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 手势特征的提取与识别 | 第28-38页 |
| 3.1 常用的手势特征 | 第28-31页 |
| 3.1.1 Hu矩特征 | 第28-29页 |
| 3.1.2 LBP特征 | 第29-30页 |
| 3.1.3 HOG特征提取 | 第30-31页 |
| 3.2 基于特征提取的识别方法 | 第31-33页 |
| 3.2.1 隐马尔科夫模型(Hidden Markov Models) | 第31-32页 |
| 3.2.2 支持向量机 | 第32-33页 |
| 3.3 神经网络方法 | 第33-36页 |
| 3.3.1 卷积神经网络 | 第33-34页 |
| 3.3.2 CNN网络结构 | 第34-36页 |
| 3.3.3 参数选择 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 实验系统平台与实验结果分析 | 第38-50页 |
| 4.1 手势识别系统 | 第38-39页 |
| 4.2 手势区域提取 | 第39-43页 |
| 4.2.1 手势跟踪分析 | 第40-42页 |
| 4.2.2 数据采集 | 第42-43页 |
| 4.3 手势特征提取方法 | 第43-44页 |
| 4.4 手势识别精度对比 | 第44-47页 |
| 4.4.1 基于特征提取的手势识别 | 第44-46页 |
| 4.4.2 卷积神经网络识别方法 | 第46-47页 |
| 4.5 时间统计分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 发表论文和参加科研情况说明 | 第56-58页 |
| 致谢 | 第58页 |