| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 本论文研究背景、目的及意义 | 第15-17页 |
| 1.2 国内外研究状况及发展趋势 | 第17-19页 |
| 1.2.1 国外研究状况及发展趋势 | 第17-18页 |
| 1.2.2 国内研究状况及发展趋势 | 第18-19页 |
| 1.3 手势识别的应用 | 第19-20页 |
| 1.3.1 社会医学应用 | 第19-20页 |
| 1.3.2 生活娱乐应用 | 第20页 |
| 1.3.3 工业应用 | 第20页 |
| 1.4 论文研究内容 | 第20-21页 |
| 1.5 论文章节安排 | 第21-23页 |
| 第二章 手势特征提取和手势识别方法 | 第23-37页 |
| 2.1 手势特征提取方法 | 第23-33页 |
| 2.1.1 基于PCA的特征提取 | 第23-25页 |
| 2.1.2 基于HOG的特征提取 | 第25-26页 |
| 2.1.3 基于稀疏自编码器的特征提取 | 第26-28页 |
| 2.1.4 基于CNN的特征提取 | 第28-33页 |
| 2.2 手势识别方法 | 第33-35页 |
| 2.2.1 基于几何特征的手势识别方法 | 第33-34页 |
| 2.2.2 基于模板匹配的手势识别方法 | 第34页 |
| 2.2.3 基于神经网络的手势识别方法 | 第34-35页 |
| 2.3 本章小结 | 第35-37页 |
| 第三章 基于CNN的手势识别和改进方法 | 第37-51页 |
| 3.1 利用卷积神经网络识别手势数据 | 第37-43页 |
| 3.1.1 实验条件和实验数据 | 第37-39页 |
| 3.1.2 网络构造过程及实验分析 | 第39-41页 |
| 3.1.3 手势数据识别结果及分析 | 第41-43页 |
| 3.2 更改网络初始化方式及实验分析 | 第43-45页 |
| 3.3 提高数据的多样性及实验分析 | 第45-49页 |
| 3.3.1 更改前后数据识别率对比分析 | 第45-47页 |
| 3.3.2 改进前后数据特征对比分析 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 变目标任务手势识别算法 | 第51-65页 |
| 4.1 拆分目标函数提取CNN特征 | 第51-55页 |
| 4.1.1 提取特征及实验对比 | 第52-55页 |
| 4.2 利用softmax实现原分类任务及结果分析 | 第55-57页 |
| 4.3 利用SVM实现原分类任务及结果分析 | 第57-63页 |
| 4.3.1 识别率的对比分析 | 第58-61页 |
| 4.3.2 相似手势数据的结果对比分析 | 第61-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |