基于OpenCV的哑语手势识别
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 目前存在的问题 | 第12页 |
| 1.3.1 使用数据手套设备的问题 | 第12页 |
| 1.3.2 使用基于计算机视觉方法的问题 | 第12页 |
| 1.4 本文主要工作 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 第二章 课题相关技术概述 | 第14-21页 |
| 2.1 计算机视觉的概述 | 第14-15页 |
| 2.2 OpenCV库的概述 | 第15-20页 |
| 2.2.1 OpenCV的介绍 | 第15页 |
| 2.2.2 OpenCV的主要构成 | 第15-17页 |
| 2.2.3 OpenCV中的图像表示 | 第17-18页 |
| 2.2.4 OpenCV中的图像操作 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 哑语手势特征的分析和提取 | 第21-28页 |
| 3.1 哑语手势分析 | 第21-22页 |
| 3.2 HOG特征 | 第22-26页 |
| 3.2.1 HOG特征概述 | 第22-23页 |
| 3.2.2 HOG算法实现 | 第23-26页 |
| 3.3 OpenCV中的HOG | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 分类器的学习和训练 | 第28-36页 |
| 4.1 统计学习相关概念 | 第28-29页 |
| 4.1.1 VC维 | 第28页 |
| 4.1.2 结构风险最小化 | 第28-29页 |
| 4.1.3 线性与非线性分类器 | 第29页 |
| 4.2 支持向量机 | 第29-30页 |
| 4.2.1 支持向量机概述 | 第29-30页 |
| 4.2.2 核函数 | 第30页 |
| 4.3 OpenCV中的SVM | 第30-31页 |
| 4.4 特征学习与训练 | 第31-35页 |
| 4.4.1 样本获取 | 第31-32页 |
| 4.4.2 样本目录整理 | 第32页 |
| 4.4.3 样本训练程序 | 第32-35页 |
| 4.5 本章小结 | 第35-36页 |
| 第五章 识别实验和结果分析 | 第36-42页 |
| 5.1 环境搭建 | 第36-38页 |
| 5.2 识别算法的实现 | 第38-40页 |
| 5.2.1 识别的过程与原理 | 第38页 |
| 5.2.2 识别部分代码与注释 | 第38-40页 |
| 5.3 识别实验结果 | 第40-41页 |
| 5.3.1 识别成功的结果 | 第40-41页 |
| 5.3.2 识别失败的结果 | 第41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-43页 |
| 6.1 工作总结 | 第42页 |
| 6.2 未来工作展望 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 攻读硕士期间发表论文 | 第48-49页 |
| 致谢 | 第49-50页 |
