| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题的研究背景、目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文主要研究内容及组织结构 | 第12-13页 |
| 2 系统的工作原理及关键技术 | 第13-30页 |
| 2.1 系统的结构及工作原理 | 第13-14页 |
| 2.2 双目立体视觉技术 | 第14-27页 |
| 2.3 手势分割技术 | 第27-28页 |
| 2.4 手势运动跟踪技术 | 第28页 |
| 2.5 手形分类和手势轨迹识别技术 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于深度图像和背景建模的手势分割方法 | 第30-42页 |
| 3.1 CODEBOOK 背景建模算法 | 第30-31页 |
| 3.2 基于深度图像和背景建模的手势分割算法 | 第31-37页 |
| 3.3 实验结果 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于深度特征的 LEVEL SETS 手势跟踪方法 | 第42-53页 |
| 4.1 融合深度信息和颜色信息的表示模型 | 第42-43页 |
| 4.2 基于新模型的 LEVEL SETS 的快速实现方法 | 第43-51页 |
| 4.3 实验结果 | 第51页 |
| 4.4 本章小结 | 第51-53页 |
| 5 手势识别方法 | 第53-62页 |
| 5.1 基于扩展 HAAR-LIKE 特征和改进 ADABOOST 的手形分类算法 | 第53-58页 |
| 5.2 基于状态变化串识别的动态手势识别算法 | 第58-60页 |
| 5.3 联机测试 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
