基于计算机视觉的手势识别系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题研究背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·手势识别关键技术综述 | 第9-13页 |
| ·手势建模 | 第9-11页 |
| ·手势分析 | 第11-12页 |
| ·手势识别 | 第12-13页 |
| ·手势识别技术难点 | 第13页 |
| ·本文主要工作及内容安排 | 第13-15页 |
| 第二章 视频序列下的手势分割 | 第15-31页 |
| ·常用图像处理技术 | 第15-22页 |
| ·图像平滑 | 第15-17页 |
| ·图像二值化 | 第17-19页 |
| ·图像形态学处理 | 第19-22页 |
| ·手势运动检测 | 第22-24页 |
| ·时间差分法 | 第22-23页 |
| ·背景减除法 | 第23页 |
| ·光流法 | 第23-24页 |
| ·手势肤色检测 | 第24-28页 |
| ·颜色空间介绍 | 第24-26页 |
| ·本文使用的颜色空间 | 第26-27页 |
| ·常用肤色检测方法 | 第27-28页 |
| ·本文使用的肤色检测方法 | 第28页 |
| ·运动检测和肤色检测相结合的手势分割方法 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 手势不变性特征提取 | 第31-43页 |
| ·特征提取的原则 | 第31页 |
| ·手势的简单形状特征 | 第31-32页 |
| ·图像的几何矩 | 第32-35页 |
| ·矩的定义 | 第33页 |
| ·矩的物理意义 | 第33-34页 |
| ·Hu 不变矩 | 第34-35页 |
| ·手势特征的选择 | 第35-42页 |
| ·手势特征的不变性分析 | 第35-38页 |
| ·手势特征的可分性分析 | 第38-42页 |
| ·本文提取的手势特征向量 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于支持向量机的手势识别 | 第43-57页 |
| ·支持向量机基础 | 第43-50页 |
| ·线性支持向量机 | 第43-46页 |
| ·非线性支持向量机 | 第46-49页 |
| ·支持向量机多值分类 | 第49-50页 |
| ·支持向量机在手势识别中的应用 | 第50-51页 |
| ·本文使用的手势分类方法 | 第50页 |
| ·本文使用的 SVM 核函数 | 第50页 |
| ·模型参数 C 和γ的选择 | 第50-51页 |
| ·实验结果与分析 | 第51-55页 |
| ·基于距离分类器的手势识别 | 第51-53页 |
| ·基于支持向量机和最近邻准则的手势识别 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 基于视频的实时静态手势识别系统的实现 | 第57-67页 |
| ·系统软硬件环境及 OpenCV 简介 | 第57-58页 |
| ·系统软硬件环境 | 第57页 |
| ·OpenCV 简介 | 第57-58页 |
| ·系统设计与实现 | 第58-62页 |
| ·系统整体框架及主要模块介绍 | 第58-59页 |
| ·系统运行流程与窗口控制 | 第59-62页 |
| ·系统运行结果与分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·对下一步工作的展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-74页 |
