基于Gabor特征和稀疏表示分类的手势识别及应用
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 英文缩写对照表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究发展现状 | 第13-15页 |
| 1.2.1 借助数据手套的手势识别 | 第13-14页 |
| 1.2.2 基于视觉的手势识别技术 | 第14-15页 |
| 1.3 该领域存在的技术难点 | 第15-16页 |
| 1.4 本文的工作贡献及论文结构 | 第16-20页 |
| 1.4.1 本文的主要工作贡献 | 第16-18页 |
| 1.4.2 本文的论文结构 | 第18-20页 |
| 第二章 手势采集系统和手势识别系统 | 第20-27页 |
| 2.1 引言 | 第20页 |
| 2.2 手势图像采集系统 | 第20-22页 |
| 2.3 动态手势库的采集 | 第22-26页 |
| 2.4 手势识别系统算法结构 | 第26-27页 |
| 第三章 手势分割与特征提取 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 手势分割算法 | 第27-30页 |
| 3.2.1 常见手势分割算法 | 第27-29页 |
| 3.2.2 常见手势跟踪算法 | 第29-30页 |
| 3.3 本文采用的手势分割方法 | 第30-34页 |
| 3.3.1 手势的划分 | 第31-33页 |
| 3.3.2 动态手势关键帧提取 | 第33-34页 |
| 3.4 特征提取 | 第34-39页 |
| 3.4.1 静态手势特征 | 第34-37页 |
| 3.4.2 动态轨迹手势特征 | 第37页 |
| 3.4.3 流形学习算法 | 第37-39页 |
| 3.5 Gabor小波变换 | 第39-41页 |
| 3.5.1 二维Gabor小波 | 第39-40页 |
| 3.5.2 Gabor特征表示 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 手势的分类识别 | 第42-55页 |
| 4.1 手势分类技术 | 第42-43页 |
| 4.1.1 隐马尔可夫模型 | 第42页 |
| 4.1.2 动态时间规整 | 第42页 |
| 4.1.3 神经网络 | 第42-43页 |
| 4.2 稀疏表示理论 | 第43-46页 |
| 4.2.1 稀疏表示分类 | 第44-45页 |
| 4.2.2 基于稀疏表示的手势识别 | 第45-46页 |
| 4.3 Gabor特征结合稀疏表示分类方法 | 第46-47页 |
| 4.4 实验结果 | 第47-54页 |
| 4.4.1 本文算法具体步骤 | 第47-48页 |
| 4.4.2 静态手势识别实验结果 | 第48-53页 |
| 4.4.3 动态手势识别实验结果 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 手势识别应用系统 | 第55-60页 |
| 5.1 系统概述 | 第55-56页 |
| 5.2 系统设计 | 第56页 |
| 5.3 系统展示 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间的科研成果 | 第67-68页 |
| 学位论文评阅及答辩情况表 | 第68页 |
