| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 手势识别概述 | 第12-15页 |
| 1.2.1 手势定义及分类 | 第12-13页 |
| 1.2.2 手势输入设备 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 本文研究内容及章节安排 | 第17-19页 |
| 1.4.1 主要研究内容 | 第17页 |
| 1.4.2 论文章节安排 | 第17-19页 |
| 第二章 手势行为分析技术研究 | 第19-29页 |
| 2.1 手势识别流程概述 | 第19页 |
| 2.2 静态手势识别算法分析 | 第19-24页 |
| 2.2.1 手势获取算法 | 第20-21页 |
| 2.2.2 静态手势特征提取 | 第21-23页 |
| 2.2.3 静态手势分类算法 | 第23-24页 |
| 2.3 动态手势识别算法分析 | 第24-27页 |
| 2.3.1 动态手势轨迹特征 | 第24-25页 |
| 2.3.2 动态手势识别算法 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于Leap Motion的静态手势行为识别 | 第29-45页 |
| 3.1 静态手势数据获取 | 第29-33页 |
| 3.1.1 坐标数据采集 | 第29-31页 |
| 3.1.2 图像数据采集 | 第31-33页 |
| 3.2 融合的静态手势特征提取 | 第33-38页 |
| 3.2.1 几何结构特征 | 第33-34页 |
| 3.2.2 BOF-SURF特征提取 | 第34-38页 |
| 3.2.3 融合的静态手势特征 | 第38页 |
| 3.3 基于SVM的静态手势识别 | 第38-39页 |
| 3.4 静态手势识别实验结果及分析 | 第39-44页 |
| 3.4.1 静态手势数据库 | 第39-40页 |
| 3.4.2 实验结果及分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于Leap Motion的动态手势行为识别 | 第45-61页 |
| 4.1 动态手势轨迹获取 | 第45-48页 |
| 4.1.1 手势序列定位 | 第46-47页 |
| 4.1.2 手势轨迹映射 | 第47-48页 |
| 4.2 动态手势轨迹预处理 | 第48-50页 |
| 4.2.1 轨迹向量预处理 | 第48-50页 |
| 4.2.2 轨迹图像预处理 | 第50页 |
| 4.3 动态手势轨迹特征提取 | 第50-51页 |
| 4.4 训练与识别 | 第51-54页 |
| 4.4.1 基于HMM的轨迹向量识别 | 第51-52页 |
| 4.4.2 基于CNN的轨迹图像识别 | 第52-54页 |
| 4.5 实验结果及分析 | 第54-59页 |
| 4.5.1 动态手势数据库 | 第54-55页 |
| 4.5.2 实验结果及分析 | 第55-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 手势识别系统 | 第61-71页 |
| 5.1 手势识别系统概述 | 第61-63页 |
| 5.1.1 实验环境 | 第61页 |
| 5.1.2 系统构造 | 第61-63页 |
| 5.2 手势识别模块分析 | 第63-65页 |
| 5.2.1 静态手势识别模块 | 第64页 |
| 5.2.2 动态手势识别模块 | 第64-65页 |
| 5.3 手势识别应用 | 第65-70页 |
| 5.3.1 音乐播放器 | 第65-66页 |
| 5.3.2 书写练习板 | 第66-68页 |
| 5.3.3 柜台智能监控 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71页 |
| 6.2 未来工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文目录 | 第78页 |