基于移动终端的手势识别研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 手势的定义 | 第12页 |
| 1.3 手势识别的分类 | 第12-13页 |
| 1.4 国内外研究现状 | 第13-15页 |
| 1.5 本文主要研究内容 | 第15页 |
| 1.6 本文组织结构 | 第15-17页 |
| 第二章 手势分割研究 | 第17-41页 |
| 2.1 引言 | 第17页 |
| 2.2 色彩空间 | 第17-22页 |
| 2.2.1 常用的色彩空间 | 第18-20页 |
| 2.2.2 色彩空间的选择 | 第20-22页 |
| 2.3 运动目标检测算法 | 第22-30页 |
| 2.3.1 VIBE运动目标检测算法 | 第23-24页 |
| 2.3.2 改进的VIBE算法 | 第24-27页 |
| 2.3.3 改进参数 | 第27-30页 |
| 2.4 肤色模型结合运动目标检测的手势图像分割 | 第30-40页 |
| 2.4.1 手势分割基本流程 | 第31页 |
| 2.4.2 手势图像的粗分割 | 第31-33页 |
| 2.4.3 形态学处理 | 第33-34页 |
| 2.4.4 其他前景区域的去除 | 第34-35页 |
| 2.4.5 手臂区域去除 | 第35-39页 |
| 2.4.6 与帧间差分法的对比 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 特征提取与静态手势识别 | 第41-56页 |
| 3.1 特征提取 | 第41-44页 |
| 3.2 人工神经网络 | 第44-47页 |
| 3.2.1 人工神经网络简介 | 第45-46页 |
| 3.2.2 多层网络和反向传播算法 | 第46-47页 |
| 3.3 神经网络静态手势分类器 | 第47-55页 |
| 3.3.1 隐藏层感知器数目 | 第47-53页 |
| 3.3.2 激活函数 | 第53-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 动态手势识别 | 第56-65页 |
| 4.1 动态手势识别概述 | 第56页 |
| 4.2 基于隐马尔科夫模型的运动轨迹识别 | 第56-61页 |
| 4.2.1 隐马尔科夫模型 | 第56-57页 |
| 4.2.2 包含矢量特性的手势轨迹建模 | 第57-58页 |
| 4.2.3 手势运动轨迹识别 | 第58-61页 |
| 4.3 包含手形的动态手势识别 | 第61-64页 |
| 4.3.1 包含手形的动态手势定义 | 第61-62页 |
| 4.3.2 手形序列匹配 | 第62-63页 |
| 4.3.3 动态手势识别 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 移动终端手写手势识别 | 第65-75页 |
| 5.1 概述 | 第65页 |
| 5.2 遗传算法 | 第65-67页 |
| 5.2.1 遗传算法的基本步骤 | 第65-66页 |
| 5.2.2 遗传算法特点及应用 | 第66-67页 |
| 5.3 粒子群算法 | 第67-69页 |
| 5.3.1 粒子群算法原理 | 第68-69页 |
| 5.3.2 粒子群算法特点 | 第69页 |
| 5.4 遗传算法与粒子群算法结合优化人工神经网络 | 第69-73页 |
| 5.4.1 遗传算法神经网络参数寻优 | 第69-70页 |
| 5.4.2 粒子群算法神经网络参数寻优 | 第70-71页 |
| 5.4.3 结合寻优 | 第71页 |
| 5.4.4 实验结果及分析 | 第71-73页 |
| 5.5 基于改进神经网络的手写手势识别 | 第73-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第六章 移动终端手势识别的应用研究 | 第75-92页 |
| 6.1 概述 | 第75-76页 |
| 6.2 基于智能手机的手势识别应用 | 第76-90页 |
| 6.2.1 功能分析与设计 | 第76-77页 |
| 6.2.2 实现与展示 | 第77-90页 |
| 6.3 本章小结 | 第90-92页 |
| 第七章 总结与展望 | 第92-94页 |
| 7.1 总结 | 第92页 |
| 7.2 下一步工作的展望 | 第92-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-99页 |
| 攻硕期间取得的成果 | 第99页 |
