| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题研究的背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 手形检测及目标跟踪研究现状 | 第10-16页 |
| 1.2.1 手形检测的研究现状 | 第11-12页 |
| 1.2.2 目标跟踪的研究现状 | 第12-15页 |
| 1.2.3 手形检测与跟踪存在的问题 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 基于AdaBoost算法的手形分类器研究 | 第19-32页 |
| 2.1 图像的采集和预处理 | 第19-23页 |
| 2.1.1 图像采集 | 第19-20页 |
| 2.1.2 手形区域分割 | 第20页 |
| 2.1.3 图像灰度变换 | 第20-22页 |
| 2.1.4 直方图均衡化 | 第22-23页 |
| 2.2 Haar特征的提取 | 第23-27页 |
| 2.2.1 Haar特征 | 第23-25页 |
| 2.2.2 积分图计算特征 | 第25-27页 |
| 2.3 AdaBoost分类器训练 | 第27-32页 |
| 2.3.1 AdaBoost学习算法 | 第27-28页 |
| 2.3.2 训练手形的框架 | 第28-29页 |
| 2.3.3 AdaBoost算法训练手形 | 第29-32页 |
| 第3章 基于Kalman滤波的TLD目标跟踪算法研究 | 第32-46页 |
| 3.1 Kalman滤波 | 第32-35页 |
| 3.1.1 Kalman滤波理论 | 第32页 |
| 3.1.2 Kalman运动估计 | 第32-35页 |
| 3.2 TLD目标跟踪算法 | 第35-39页 |
| 3.2.1 检测器 | 第36-37页 |
| 3.2.2 跟踪器 | 第37-38页 |
| 3.2.3 学习器 | 第38-39页 |
| 3.3 改进的TLD目标跟踪算法实现 | 第39-43页 |
| 3.3.1 算法框架 | 第40页 |
| 3.3.2 算法实现 | 第40-43页 |
| 3.4 实验分析 | 第43-46页 |
| 第4章 手形检测与跟踪算法研究与实现 | 第46-58页 |
| 4.1 手形检测算法实现 | 第46-48页 |
| 4.2 目标跟踪算法实现与对比分析 | 第48-52页 |
| 4.2.1 Mean-shift跟踪 | 第49-50页 |
| 4.2.2 粒子滤波跟踪 | 第50-51页 |
| 4.2.3 对比分析 | 第51-52页 |
| 4.3 手形检测与跟踪算法实现 | 第52-54页 |
| 4.4 实验分析 | 第54-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 研究工作总结 | 第58-59页 |
| 5.2 未来展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |