| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 课题研究意义 | 第10-11页 |
| 1.3 课题国内外研究现状 | 第11-16页 |
| 1.3.1 手势输入设备研究现状 | 第11-14页 |
| 1.3.2 手势识别研究现状 | 第14-16页 |
| 1.4 研究难点与主要解决的问题 | 第16-17页 |
| 1.5 论文主要工作与结构 | 第17-19页 |
| 第二章 手势识别相关技术背景 | 第19-25页 |
| 2.1 RealSense介绍 | 第19-22页 |
| 2.1.1 RealSense技术概览 | 第19-20页 |
| 2.1.2 RealSense SDK | 第20-22页 |
| 2.2 手势识别介绍 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 教学手势的定义与数据库的建立 | 第25-34页 |
| 3.1 手势数据集介绍 | 第25-26页 |
| 3.2 教师课堂多媒体教学行为分析 | 第26-27页 |
| 3.3 教学手势的定义 | 第27-29页 |
| 3.4 手势库的建立 | 第29-33页 |
| 3.4.1 手势数据存储 | 第29-31页 |
| 3.4.2 手势录制平台 | 第31-32页 |
| 3.4.3 手势录制流程 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 手势特征选择与提取 | 第34-45页 |
| 4.1 数据预处理 | 第34-37页 |
| 4.2 关键序列的提取 | 第37-39页 |
| 4.3 基于CCNU-RSTGD手势数据库的特征选择 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于AdaBoost多分类器融合的手势分类算法 | 第45-52页 |
| 5.1 引言 | 第45页 |
| 5.2 决策树介绍 | 第45-46页 |
| 5.3 SVM分类算法 | 第46-49页 |
| 5.3.1 SVM分类器的介绍 | 第46-48页 |
| 5.3.2 SVM核参数 | 第48-49页 |
| 5.4 AdaBoost介绍 | 第49-50页 |
| 5.5 基于DT-SVM-Boosting手势分类 | 第50-51页 |
| 5.6 本章小结 | 第51-52页 |
| 第六章 手势分类实验分析与应用 | 第52-56页 |
| 6.1 实验平台整体框架 | 第52-53页 |
| 6.2 分类结果分析 | 第53-54页 |
| 6.3 手势识别与starC应用结合 | 第54-55页 |
| 6.4 本章小结 | 第55-56页 |
| 第七章 总结与展望 | 第56-58页 |
| 7.1 工作总结 | 第56页 |
| 7.2 展望 | 第56-58页 |
| 参考文献 | 第58-65页 |
| 攻读硕士期间发表的论文及研究成果 | 第65-66页 |
| 致谢 | 第66页 |
