基于单目视觉的静态手势识别技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究目的和内容 | 第13-14页 |
| 1.4 各章节安排 | 第14-15页 |
| 第2章 手势识别研究理论基础 | 第15-24页 |
| 2.1 手势的概念 | 第15页 |
| 2.2 手势建模 | 第15-16页 |
| 2.2.1 基于3D模型的手势建模 | 第15-16页 |
| 2.2.2 基于表观的手势建模 | 第16页 |
| 2.3 图像滤波算法 | 第16-20页 |
| 2.3.1 高斯滤波 | 第17-18页 |
| 2.3.2 均值滤波 | 第18页 |
| 2.3.3 中值滤波 | 第18-20页 |
| 2.3.4 双边滤波 | 第20页 |
| 2.4 手势检测 | 第20-22页 |
| 2.5 手势识别 | 第22-23页 |
| 2.5.1 基于传感器的手势识别 | 第22-23页 |
| 2.5.2 基于视觉的手势识别 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于肤色模型的手势检测研究 | 第24-34页 |
| 3.1 颜色空间分析 | 第24-27页 |
| 3.1.1 RGB颜色空间 | 第25-26页 |
| 3.1.2 HSV颜色空间 | 第26-27页 |
| 3.1.3 YCbCr颜色空间 | 第27页 |
| 3.2 Haar-Like 特征 | 第27-30页 |
| 3.3 Boost分类器 | 第30-33页 |
| 3.4 融合肤色信息的 Haar-Like 特征 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 手势识别及相关算法研究 | 第34-46页 |
| 4.1 SIFT特征向量 | 第34-39页 |
| 4.1.1 尺度空间极值检测 | 第35-36页 |
| 4.1.2 关键点定位 | 第36-37页 |
| 4.1.3 关键点方向确定 | 第37-38页 |
| 4.1.4 特征向量生成 | 第38-39页 |
| 4.2 主成分分析(PCA) | 第39-42页 |
| 4.3 梯度方向直方图(HOG) | 第42-43页 |
| 4.4 图像匹配 | 第43-44页 |
| 4.4.1 基于区域的匹配算法 | 第43页 |
| 4.4.2 基于特征的匹配算法 | 第43-44页 |
| 4.4.3 本文特征的匹配算法 | 第44页 |
| 4.5 基于多特征融合的手势识别 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 实验验证与结果分析 | 第46-53页 |
| 5.1 系统结构介绍 | 第46-48页 |
| 5.2 手势区域检测提取实验 | 第48-50页 |
| 5.3 手势识别实验 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
