| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-25页 |
| ·研究背景和意义 | 第11-12页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·手势识别的定义和分类 | 第12-16页 |
| ·基于数据手套的手势识别 | 第12-13页 |
| ·基于触摸屏的手势识别 | 第13页 |
| ·基于加速度传感器的手势识别 | 第13-14页 |
| ·基于超声波传感的手势识别 | 第14页 |
| ·基于红外距离传感的手势识别 | 第14-15页 |
| ·基于视觉的手势识别 | 第15-16页 |
| ·基于视觉的手势识别研究现状 | 第16-22页 |
| ·检测分割 | 第16-18页 |
| ·跟踪定位 | 第18-19页 |
| ·特征提取 | 第19-21页 |
| ·分类识别 | 第21-22页 |
| ·本文主要工作及内容安排 | 第22-23页 |
| 主要创新点 | 第23-25页 |
| 2 基于多信息融合的手势检测定位 | 第25-38页 |
| ·肤色检测 | 第25-31页 |
| ·YCrCb空间的肤色检测 | 第26-27页 |
| ·结合运动检测的自适应肤色检测 | 第27-31页 |
| ·运动检测 | 第31-35页 |
| ·背景建模 | 第33-34页 |
| ·运动分割阈值的确定 | 第34-35页 |
| ·融合肤色信息和运动信息的手势检测定位 | 第35-37页 |
| ·本章小结 | 第37页 |
| 本章的创新点 | 第37-38页 |
| 3 基于梯度方向直方图和PCA-LDA的静态手势识别 | 第38-52页 |
| ·手势HOG特征提取 | 第39-40页 |
| ·特征选择和分类器设计 | 第40-43页 |
| ·PCA | 第40-41页 |
| ·LDA | 第41-42页 |
| ·PCA-LDA | 第42页 |
| ·最近邻分类识别 | 第42-43页 |
| ·实验结果与分析 | 第43-51页 |
| ·数据库 | 第43页 |
| ·预处理 | 第43-44页 |
| ·HOG特征参数的设定 | 第44-45页 |
| ·结果和性能分析 | 第45-51页 |
| ·本章小结 | 第51页 |
| 本章的创新点 | 第51-52页 |
| 4 视频序列中的手势识别 | 第52-71页 |
| ·视频序列中手势识别的总体结构 | 第52-53页 |
| ·连续手势的判决 | 第53-54页 |
| ·静态分类器的训练及性能评价方法 | 第54-56页 |
| ·静态手势分类器的训练 | 第54-55页 |
| ·分类器的性能评价方法 | 第55-56页 |
| ·单帧静态手势识别实验 | 第56-65页 |
| ·测试序列 | 第56-59页 |
| ·增加旋转训练样本对分类器性能的影响 | 第59-61页 |
| ·粗分类和细分类对分类器的影响 | 第61-62页 |
| ·识别结果与分析 | 第62-65页 |
| ·视频序列中的连续手势识别实验 | 第65-69页 |
| ·连续手势的稳定判决 | 第65-66页 |
| ·识别结果与分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 本章的创新点 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 作者攻读硕士学位期间的研究成果 | 第78页 |