| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 家庭服务机器人研究现状 | 第14-15页 |
| 1.3 手势交互技术研究现状 | 第15-17页 |
| 1.4 手势识别相关技术 | 第17-22页 |
| 1.4.1 手势检测 | 第18-20页 |
| 1.4.2 手势特征提取 | 第20-21页 |
| 1.4.3 手势识别 | 第21-22页 |
| 1.5 显著计算技术 | 第22-23页 |
| 1.6 论文研究内容与结构安排 | 第23-25页 |
| 第2章 基于多特征多尺度全局区域对比度的静态手势检测 | 第25-39页 |
| 2.1 引言 | 第25页 |
| 2.2 基于单尺度全局区域对比度的显著性计算 | 第25-29页 |
| 2.2.1 区域级别的显著性计算 | 第26-28页 |
| 2.2.2 像素级别的显著性计算 | 第28页 |
| 2.2.3 显著区域中心先验 | 第28-29页 |
| 2.3 基于多尺度全局区域对比度的显著性计算 | 第29-31页 |
| 2.3.1 多尺度显著性的构建 | 第29-30页 |
| 2.3.2 多尺度显著性融合 | 第30-31页 |
| 2.4 基于多特征多尺度全局区域对比度的显著性计算 | 第31-33页 |
| 2.5 高层先验知识的融入 | 第33-34页 |
| 2.5.1 肤色先验的融入 | 第33-34页 |
| 2.5.2 对象性属性知识融入 | 第34页 |
| 2.6 实验分析 | 第34-38页 |
| 2.6.1 多尺度全局区域对比度的显著计算方法验证 | 第34-35页 |
| 2.6.2 基于多特征多尺度全局区域对比度的手势检测的验证 | 第35-36页 |
| 2.6.3 基于不同显著性方法的手势检测的比较 | 第36-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第3章 基于融合特征的多尺度显著性驱动双边滤波的特征提取 | 第39-53页 |
| 3.1 引言 | 第39-40页 |
| 3.2 基于多尺度显著性驱动双边滤波的手势特征构造 | 第40-43页 |
| 3.2.1 显著性信息的提取 | 第41页 |
| 3.2.2 显著性驱动双边滤波的设计 | 第41-42页 |
| 3.2.3 多尺度显著性驱动的双边滤波特征构造 | 第42-43页 |
| 3.3 基于M-PCCA和MMDR的多特征融合的手势特征构造 | 第43-46页 |
| 3.3.1 概率典型相关分析 | 第44页 |
| 3.3.2 混合概率典型相关分析模型 | 第44-45页 |
| 3.3.3 最大间隔维数约简 | 第45-46页 |
| 3.4 基于多特征融合的多尺度显著性驱动手势特征构造 | 第46-47页 |
| 3.5 实验和分析 | 第47-52页 |
| 3.5.1 基于多尺度显著性驱动双边滤波的手势特征的验证 | 第47-49页 |
| 3.5.2 基于M-PCCA和MMDR的融合特征的验证 | 第49-51页 |
| 3.5.3 基于多特征融合的多尺度显著性驱动手势特征验证 | 第51-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第4章 基于显著性和直方图交叉核的稀疏表示静态手势识别 | 第53-72页 |
| 4.1 引言 | 第53-54页 |
| 4.2 基于稀疏表示的手势识别 | 第54-56页 |
| 4.3 基于学习的手势字典构建 | 第56-58页 |
| 4.4 基于直方图交叉核的稀疏表示手势识别 | 第58-61页 |
| 4.5 实验和分析 | 第61-71页 |
| 4.5.1 不同稀疏编码算法比较 | 第61-62页 |
| 4.5.2 稀疏项λ值对识别的影响 | 第62-63页 |
| 4.5.3 字典学习性能比较 | 第63-65页 |
| 4.5.4 不同分类算法的比较 | 第65-66页 |
| 4.5.5 不同特征的识别效果比较 | 第66-67页 |
| 4.5.6 不同核函数和不同特征对识别的影响 | 第67-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第5章 基于RGB-D和运动上下文特征的动态手势识别 | 第72-89页 |
| 5.1 引言 | 第72页 |
| 5.2 基于RGB-D和显著计算的动态手势检测 | 第72-77页 |
| 5.2.1 基于RGB-D的手势检测 | 第73-74页 |
| 5.2.2 基于显著计算的手势检测 | 第74-75页 |
| 5.2.3 基于RGB-D和显著计算的动态手势检测算法 | 第75-77页 |
| 5.3 基于上下文的动态手势特征提取 | 第77-78页 |
| 5.4 HMM模型初始参数的确定 | 第78-84页 |
| 5.4.1 基于层次聚类的状态数的确定 | 第79-81页 |
| 5.4.2 基于K-means和簇匹配的初始观测密度函数的确定 | 第81-84页 |
| 5.5 基于HMM的动态手势识别 | 第84页 |
| 5.6 实验与分析 | 第84-88页 |
| 5.6.1 基于RGB-D和显著计算的动态手势检测的验证 | 第84-86页 |
| 5.6.2 基于上下文的动态手势特征提取的验证 | 第86-88页 |
| 5.7 本章小结 | 第88-89页 |
| 第6章 人与家庭服务机器人手势交互系统设计 | 第89-99页 |
| 6.1 引言 | 第89页 |
| 6.2 手势交互系统组成 | 第89-92页 |
| 6.2.1 硬件组成 | 第89-91页 |
| 6.2.2 软件开发平台 | 第91-92页 |
| 6.3 手势交互系统指令集设计 | 第92-93页 |
| 6.4 手势交互系统的设计 | 第93-96页 |
| 6.4.1 手势识别模块 | 第93-94页 |
| 6.4.2 系统的软件主流程设计 | 第94-96页 |
| 6.5 IN-RT开发系统 | 第96-98页 |
| 6.5.1 系统 | 第96页 |
| 6.5.2 设备 | 第96-98页 |
| 6.5.3 开发示例 | 第98页 |
| 6.6 本章小结 | 第98-99页 |
| 结论 | 第99-101页 |
| 参考文献 | 第101-114页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第114-116页 |
| 致谢 | 第116页 |
