基于三维深度神经网络的动态手势识别的方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题背景与研究意义 | 第15-16页 |
| 1.2 手势识别的国内外研究现状 | 第16-19页 |
| 1.3 研究难点 | 第19页 |
| 1.4 本文研究内容及章节安排 | 第19-23页 |
| 第二章 手势识别及卷积神经网络研究基础 | 第23-33页 |
| 2.1 深度学习 | 第23-24页 |
| 2.2 卷积神经网络 | 第24-28页 |
| 2.2.1 局部感知与权值共享 | 第24-26页 |
| 2.2.2 卷积层与池化层 | 第26-28页 |
| 2.3 图像预处理方法介绍 | 第28-30页 |
| 2.4 手势识别相关数据集 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于光流的关键帧提取方法 | 第33-45页 |
| 3.1 视频增强 | 第33-35页 |
| 3.2 生成光流视频 | 第35-39页 |
| 3.2.1 光流法的原理 | 第35-36页 |
| 3.2.2 光流值的计算 | 第36-39页 |
| 3.3 关键帧提取 | 第39-44页 |
| 3.3.1 统一视频帧数 | 第39-40页 |
| 3.3.2 扩帧 | 第40-41页 |
| 3.3.3 基于光流的加权平均采样 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于残差三维卷积神经网络的动态手势识别 | 第45-55页 |
| 4.1 基于三维卷积神经网络的特征提取 | 第45-51页 |
| 4.1.1 三维卷积神经网络 | 第45-47页 |
| 4.1.2 改进的三维卷积神经网络 | 第47-51页 |
| 4.2 基于典型相关性分析的特征融合 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 动态手势识别实验结果与分析 | 第55-67页 |
| 5.1 IsoGD数据集介绍 | 第55-56页 |
| 5.2 实验环境与训练策略 | 第56-58页 |
| 5.3 关键帧提取相关实验与分析 | 第58-61页 |
| 5.3.1 统一帧策略 | 第58-59页 |
| 5.3.2 光流数据的应用分析 | 第59-61页 |
| 5.3.3 基于光流的加权平均采样 | 第61页 |
| 5.4 深层卷积神经网络相关实验与分析 | 第61-62页 |
| 5.5 融合策略相关实验与分析 | 第62-63页 |
| 5.6 基于ResC3D网络的手势识别结果与分析 | 第63-65页 |
| 5.7 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-71页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
