基于视觉的手势识别系统关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 手势识别发展现状与应用 | 第10-12页 |
| 1.1.1 手势识别国内外发展现状 | 第10-11页 |
| 1.1.2 基于视觉的手势识别的应用现状 | 第11-12页 |
| 1.2 基于视觉的手势识别基础理论 | 第12-14页 |
| 1.2.1 手势的定义 | 第12-13页 |
| 1.2.2 手势识别的分类 | 第13页 |
| 1.2.3 基于视觉的手势识别系统构成 | 第13-14页 |
| 1.3 基于视觉的手势识别系统概论 | 第14-15页 |
| 1.3.1 手势建模技术 | 第14页 |
| 1.3.2 手势分析技术 | 第14页 |
| 1.3.3 手势识别技术 | 第14-15页 |
| 1.4 论文的安排 | 第15-18页 |
| 第二章 静态手势识别的特征提取 | 第18-32页 |
| 2.1 静态手势样本库建立和采集 | 第18-19页 |
| 2.2 图像预处理 | 第19-25页 |
| 2.2.1 二维图像的滤波 | 第19-20页 |
| 2.2.2 基于肤色的手势区域分割 | 第20-22页 |
| 2.2.3 图像的形态学处理 | 第22-23页 |
| 2.2.4 边缘提取 | 第23-25页 |
| 2.3 特征的选择 | 第25-30页 |
| 2.3.1 Hu矩特征 | 第25-27页 |
| 2.3.2 手势几何特征 | 第27-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于SVM的静态手势识别系统 | 第32-46页 |
| 3.1 统计学习理论基础 | 第32-33页 |
| 3.1.1 统计学习的基本问题 | 第32页 |
| 3.1.2 统计学习中的风险评估 | 第32-33页 |
| 3.2 SVM理论 | 第33-37页 |
| 3.2.1 线性最优分类面 | 第33-35页 |
| 3.2.2 非线性最优分类面 | 第35-37页 |
| 3.2.3 核函数介绍 | 第37页 |
| 3.3 手势分类器的训练 | 第37-44页 |
| 3.3.1 LibSVM简介 | 第37-38页 |
| 3.3.2 特征采集输入 | 第38-39页 |
| 3.3.3 分类器训练过程 | 第39-40页 |
| 3.3.4 SVM手势分类器的优化 | 第40-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 动态手势识别的关键技术研究 | 第46-60页 |
| 4.1 基于计算机视觉的运动跟踪 | 第46页 |
| 4.2 动态手势的特征提取 | 第46-52页 |
| 4.2.1 Kalman滤波原理 | 第47-48页 |
| 4.2.2 Kalman滤波在手势跟踪中的建模 | 第48-52页 |
| 4.3 动态手势识别 | 第52-58页 |
| 4.3.1 动态手势运动轨迹的获取与描述 | 第52-53页 |
| 4.3.2 动态时间规划 | 第53-54页 |
| 4.3.3 动态时间规划在手势识别中的优化 | 第54-57页 |
| 4.3.4 动态手势识别结果 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 基于视觉的手势识别系统构建 | 第60-66页 |
| 5.1 手势识别系统的平台构建 | 第60-61页 |
| 5.2 手势识别系统分析 | 第61-64页 |
| 5.2.1 手势识别系统的模块介绍 | 第61-62页 |
| 5.2.2 手势识别系统的性能分析 | 第62-64页 |
| 5.3 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-70页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简介 | 第76页 |
