基于压缩感知的手势运动识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究的主要难点 | 第12-13页 |
| 1.4 论文研究工作及论文内容安排 | 第13-14页 |
| 第二章 手势检测与跟踪技术简介 | 第14-22页 |
| 2.1 手势检测 | 第14-17页 |
| 2.1.1 基于肤色的手势检测 | 第14-16页 |
| 2.1.2 基于运动信息的手势检测 | 第16页 |
| 2.1.3 基于轮廓的手势分割 | 第16-17页 |
| 2.1.4 基于统计模型的手势检测 | 第17页 |
| 2.2 手势跟踪方法 | 第17-22页 |
| 2.2.1 Camshift算法 | 第17-19页 |
| 2.2.2 粒子滤波 | 第19-20页 |
| 2.2.3 光流法 | 第20-22页 |
| 第三章 基于Adaboost级联分类器的手势检测 | 第22-36页 |
| 3.1 图像预处理 | 第22-25页 |
| 3.2 手势特征选取 | 第25-28页 |
| 3.2.1 Haar特征 | 第26页 |
| 3.2.2 利用积分图计算特征值 | 第26-28页 |
| 3.3 手势检测方法 | 第28-31页 |
| 3.4 手势检测分类器的实现 | 第31-32页 |
| 3.4.1 原始手势样本采集 | 第31页 |
| 3.4.2 分割手势区域 | 第31-32页 |
| 3.4.3 手势检测分类器训练 | 第32页 |
| 3.5 实验结果与分析 | 第32-36页 |
| 3.5.1 弱光照图像增强效果 | 第33-34页 |
| 3.5.2 手势检测率实验效果与分析 | 第34-35页 |
| 3.5.3 与其他方法比较 | 第35-36页 |
| 第四章 基于压缩感知的手势跟踪算法 | 第36-47页 |
| 4.1 压缩感知原理 | 第36-37页 |
| 4.2 实时压缩感知算法流程 | 第37-38页 |
| 4.3 特征提取 | 第38-39页 |
| 4.4 分类器的构建与分析 | 第39-42页 |
| 4.4.1 贝叶斯分类器 | 第40-41页 |
| 4.4.2 分类器的实现 | 第41-42页 |
| 4.5 改进的基于特征权值的压缩感知算法 | 第42-43页 |
| 4.6 实验结果与分析 | 第43-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第五章 手势运动识别 | 第47-58页 |
| 5.1 手势检测与跟踪融合 | 第47-48页 |
| 5.2 手势运动识别 | 第48-49页 |
| 5.3 实验结果及讨论 | 第49-57页 |
| 5.3.1 三种算法对手势运动识别性能分析 | 第49-52页 |
| 5.3.2 三种算法检测跟踪过程分析 | 第52-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读硕士学位期间参与的科研项目和研究成果 | 第64页 |
