| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 手势识别概述 | 第11-14页 |
| 1.2.1 手势的定义及分类 | 第11-12页 |
| 1.2.2 手势识别的定义及分类 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.3.1 国外研究现状 | 第14-15页 |
| 1.3.2 国内研究现状 | 第15-16页 |
| 1.4 本文主要研究内容及章节安排 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16-17页 |
| 1.4.2 章节安排 | 第17-18页 |
| 第2章 视频图像序列中的手势检测与分割 | 第18-30页 |
| 2.1 肤色信息检测 | 第18-22页 |
| 2.1.1 色彩空间介绍 | 第18-20页 |
| 2.1.2 各色彩空间上的肤色聚类效果比较及色彩空间的选择 | 第20-22页 |
| 2.2 运动信息检测 | 第22-26页 |
| 2.2.1 初始化背景建模 | 第23-24页 |
| 2.2.2 背景更新 | 第24-25页 |
| 2.2.3 运动手势检测 | 第25-26页 |
| 2.3 融合肤色信息与运动信息的手势检测 | 第26-27页 |
| 2.4 形态学处理 | 第27-28页 |
| 2.5 实验结果与分析 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 视频图像序列中的手势跟踪 | 第30-44页 |
| 3.1 基于Camshift算法的手势跟踪 | 第30-34页 |
| 3.1.1 颜色概率分布图 | 第30-31页 |
| 3.1.2 Meanshift算法 | 第31-32页 |
| 3.1.3 Camshift算法 | 第32-34页 |
| 3.2 Kalman滤波与Camshift算法相结合 | 第34-37页 |
| 3.2.1 Kalman滤波算法 | 第34-36页 |
| 3.2.2 Kalman运动跟踪 | 第36页 |
| 3.2.3 基于Kalman滤波的Camshift手势跟踪 | 第36-37页 |
| 3.3 基于背景差分和Kalman滤波的Camshift手势跟踪 | 第37-39页 |
| 3.4 基于两次静止法的手势起止帧位置判定 | 第39-40页 |
| 3.5 实验结果与分析 | 第40-42页 |
| 3.5.1 手势跟踪结果 | 第40-42页 |
| 3.5.2 有意义手势提取结果 | 第42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 基于字典学习的动态手势识别 | 第44-60页 |
| 4.1 基于稀疏表示理论的分类模型 | 第45-47页 |
| 4.1.1 稀疏表示理论 | 第45-46页 |
| 4.1.2 稀疏表示分类模型 | 第46-47页 |
| 4.2 字典学习 | 第47-50页 |
| 4.2.1 基于重构的字典学习 | 第47-49页 |
| 4.2.2 基于分类的字典学习 | 第49-50页 |
| 4.3 动态手势识别 | 第50-54页 |
| 4.3.1 动态手势的字典构造 | 第50-51页 |
| 4.3.2 基于LC-KSVD算法的字典学习 | 第51-53页 |
| 4.3.3 分类识别 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-58页 |
| 4.4.1 动态手势数据集 | 第54-55页 |
| 4.4.2 手势数据预处理 | 第55页 |
| 4.4.3 动态手势识别结果及性能分析 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |
