基于计算机视觉的手势跟踪与识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·手势识别研究的意义 | 第10页 |
| ·手势识别国内外研究现状 | 第10-11页 |
| ·论文主要内容 | 第11-14页 |
| 第二章 基于计算机视觉的手势识别基础理论 | 第14-21页 |
| ·模式识别概述 | 第14-15页 |
| ·基于计算机视觉的手势跟踪理论 | 第15-16页 |
| ·基于计算机视觉的手势识别理论 | 第16-19页 |
| ·神经网络算法 | 第16-18页 |
| ·基于模板匹配的算法 | 第18页 |
| ·统计分析算法 | 第18-19页 |
| ·隐马尔可夫模型（HMM） | 第19页 |
| ·基于计算机视觉的手势跟踪与识别系统 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 手势图像预处理及特征提取 | 第21-35页 |
| ·手势图像预处理 | 第21-27页 |
| ·图像平滑 | 第21-23页 |
| ·图像色彩空间转换 | 第23-25页 |
| ·图像二值化 | 第25-26页 |
| ·图像形态学处理 | 第26-27页 |
| ·手势图像特征提取 | 第27-34页 |
| ·矩描述子 | 第28-31页 |
| ·Hu 矩算法及代码实现 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 手势跟踪算法研究 | 第35-42页 |
| ·KALMAN 跟踪算法 | 第35-36页 |
| ·CAMSHIFT 跟踪算法 | 第36-41页 |
| ·颜色概率模型 | 第37-38页 |
| ·Mean Shift 算法 | 第38-39页 |
| ·Camshift 跟踪算法及实验结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 支持向量机分类识别算法研究 | 第42-55页 |
| ·支持向量机基础算法 | 第42-46页 |
| ·线性最优分类超平面 | 第43页 |
| ·非线性最优分类超平面 | 第43-46页 |
| ·支持向量机的多类分类算法 | 第46-51页 |
| ·几种常见的支持向量机多类分类算法 | 第46-50页 |
| ·基于后验概率的支持向量机多类分类 | 第50-51页 |
| ·支持向量机的参数选取研究 | 第51-54页 |
| ·核函数及其参数的选取 | 第51-54页 |
| ·惩罚因子的选取 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第六章 基于计算机视觉的手势跟踪与识别算法实验 | 第55-68页 |
| ·系统的软硬件环境及功能 | 第55-56页 |
| ·手势图像预处理及特征提取实验结果 | 第56-60页 |
| ·手势图像获取及手势样本库的建立 | 第56-57页 |
| ·手势图像的预处理 | 第57-59页 |
| ·手势图像的特征提取 | 第59-60页 |
| ·手势跟踪实验结果及分析 | 第60-62页 |
| ·实时手势识别实验结果及分析 | 第62-64页 |
| ·手势识别系统流程 | 第62页 |
| ·手势识别实验 | 第62-64页 |
| ·手势跟踪与识别在人机交互中的应用 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 作者在攻读硕士期间发表的论文 | 第75-76页 |
