| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 基于视觉的手势识别研究现状 | 第10-13页 |
| 1.2.1 手势检测 | 第10-11页 |
| 1.2.2 手势特征提取及描述 | 第11-12页 |
| 1.2.3 手势分类识别 | 第12-13页 |
| 1.3 本文主要工作与创新 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 基于自适应肤色模型和 Hu 矩的手势检测 | 第15-32页 |
| 2.1 手势检测方法的选择 | 第15-18页 |
| 2.1.1 手势检测方法的比较 | 第15-17页 |
| 2.1.2 结合多信息的手势检测方法 | 第17-18页 |
| 2.2 面部检测、追踪与排除 | 第18-20页 |
| 2.3 自适应肤色检测模型 | 第20-28页 |
| 2.3.1 颜色空间的选择 | 第21-22页 |
| 2.3.2 肤色建模方法的选择 | 第22-25页 |
| 2.3.3 改进的自适应肤色检测方法 | 第25-28页 |
| 2.4 基于 Hu 不变矩的手形比较算法 | 第28-30页 |
| 2.4.1 图像去噪与手部候选区域的提取 | 第28页 |
| 2.4.2 基于 Hu 矩的手形比较算法 | 第28-30页 |
| 2.5 基于自适应肤色模型和 Hu 矩的手势分割的实现 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 融合 BoF-SURF 特征和 Hu 矩的手势特征描述 | 第32-51页 |
| 3.1 手势识别技术的选择 | 第32-34页 |
| 3.2 手势特征检测与描述算法的选择 | 第34-37页 |
| 3.2.1 手势全局特征描述的选择 | 第34页 |
| 3.2.2 手势局部特征描述的选择 | 第34-36页 |
| 3.2.3 融合 BoF-SURF 特征与 Hu 矩的手势描述 | 第36-37页 |
| 3.3 SURF 特征检测和描述 | 第37-42页 |
| 3.3.1 SURF 特征点检测 | 第38-41页 |
| 3.3.2 SURF 特征点的描述 | 第41-42页 |
| 3.4 基于 BoF-SURF 的手势特征描述 | 第42-47页 |
| 3.4.1 特征包（BoF）模型简介 | 第42-45页 |
| 3.4.2 基于 K-Means++聚类生成视觉词典 | 第45-47页 |
| 3.4.3 手势特征的 BoF 量化 | 第47页 |
| 3.5 融合 BoF-SURF 特征和 Hu 矩的手势特征描述 | 第47-50页 |
| 3.5.1 特征融合 | 第47-48页 |
| 3.5.2 基于融合特征的手势描述的实现 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于融合特征与多分类 SVM 的手势识别 | 第51-63页 |
| 4.1 常用的手势识别分类器比较 | 第51-53页 |
| 4.2 支持向量机 | 第53-58页 |
| 4.2.1 两分类 SVM | 第53-56页 |
| 4.2.2 多分类 SVM | 第56-58页 |
| 4.3 基于融合特征和多分类 SVM 的手势识别系统 | 第58-62页 |
| 4.3.1 手势识别系统的设计 | 第58-61页 |
| 4.3.2 系统开发平台及实现效果 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 实验结果及分析 | 第63-69页 |
| 5.1 手势样本库的建立 | 第63-64页 |
| 5.2 模型参数值的选择 | 第64-67页 |
| 5.3 本文手势识别算法性能测试及比较 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-78页 |
| 攻读学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79页 |
