| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-16页 |
| ·课题研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本领域当前存在的问题及难点 | 第13页 |
| ·主要的研究工作 | 第13-14页 |
| ·论文章节安排 | 第14-16页 |
| 2 Viola-Jones 目标检测方法 | 第16-29页 |
| ·Viola-Jones 方法的核心思想 | 第16-17页 |
| ·Haar-like 矩形特征与特征值 | 第17-21页 |
| ·Haar-like 矩形特征 | 第17-20页 |
| ·利用积分图像计算矩形特征 | 第20-21页 |
| ·AdaBoost 学习算法 | 第21-25页 |
| ·Boosting 算法 | 第21-22页 |
| ·AdaBoost 算法原理 | 第22-24页 |
| ·弱分类器的构造 | 第24-25页 |
| ·搜索子窗口 | 第25页 |
| ·级联分类器 | 第25-28页 |
| ·级联分类器的性能 | 第26-27页 |
| ·级联分类器的构造 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 改进的 Viola-Jones 手势检测方法 | 第29-47页 |
| ·采用传统 Viola-Jones 检测方法的不足 | 第29页 |
| ·基于肤色分割优化的 Viola-Jones 检测方法 | 第29-31页 |
| ·肤色分割的实现 | 第31-40页 |
| ·色彩空间介绍 | 第31-34页 |
| ·色彩空间选取 | 第34-35页 |
| ·变形YCbCr 空间下的手势建模 | 第35-38页 |
| ·滤波去噪 | 第38-39页 |
| ·实验验证 | 第39-40页 |
| ·复杂背景下手势实时检测的实现 | 第40-46页 |
| ·实验平台 | 第40页 |
| ·建立样本库 | 第40-41页 |
| ·训练手势分类器 | 第41-43页 |
| ·测试及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于 Hu 不变矩的手势特征描述 | 第47-59页 |
| ·引言 | 第47-48页 |
| ·图像常用识别特征及比较 | 第48-51页 |
| ·几何参量描述 | 第48-50页 |
| ·图像灰度空间分布描述 | 第50页 |
| ·统计参量描述 | 第50-51页 |
| ·矩描述算子 | 第51-55页 |
| ·矩的概念 | 第51页 |
| ·矩的物理意义 | 第51-53页 |
| ·矩的变换 | 第53-55页 |
| ·手势特征的提取 | 第55-58页 |
| ·Hu 不变矩 | 第55-56页 |
| ·手势Hu 矩特征的提取 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 5 基于 Hu 矩和支持向量机的手势识别算法 | 第59-75页 |
| ·支持向量机 | 第59-66页 |
| ·最优分类超平面 | 第60-62页 |
| ·广义最优分类超平面 | 第62-63页 |
| ·非线性最优分类超平面 | 第63-64页 |
| ·支持向量机 | 第64-66页 |
| ·支持向量机多分类算法 | 第66-68页 |
| ·组合式多分类SVM 思想 | 第66页 |
| ·一对多组合SVM | 第66-67页 |
| ·一对一组合SVM | 第67页 |
| ·决策有向无环图SVM | 第67-68页 |
| ·基于 Hu 矩和 SVM 的手势识别实现 | 第68-73页 |
| ·手势识别算法实现流程 | 第68-69页 |
| ·实验平台介绍 | 第69页 |
| ·手势识别各步骤实现 | 第69-71页 |
| ·分类器测试及分析 | 第71-72页 |
| ·手势实时检测与识别的实现 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 6 基于手势检测与识别算法的虚实交互应用 | 第75-81页 |
| ·系统总体介绍 | 第75-76页 |
| ·系统总体结构 | 第75-76页 |
| ·系统开发平台 | 第76页 |
| ·系统软件设计及功能实现 | 第76-79页 |
| ·交互界面的设计 | 第76-77页 |
| ·各功能模块的集成 | 第77-79页 |
| ·基于手势输入的虚实交互实现 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 总结与展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 作者在攻读硕士期间发表的论文 | 第88-89页 |