| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 选题背景与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于传感器设备的识别方式 | 第13页 |
| 1.2.2 基于视觉的手语识别方式 | 第13-14页 |
| 1.2.3 基于体感设备的手语识别 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文内容安排 | 第16-17页 |
| 第二章 连续复杂手语中关键动作的提取 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 Kinect体感摄像机介绍 | 第17-18页 |
| 2.3 手语中的关键动作 | 第18-21页 |
| 2.3.1 关键动作 | 第18-20页 |
| 2.3.2 现有的关键动作提取算法 | 第20-21页 |
| 2.3.2.1 无监督聚类算法 | 第20页 |
| 2.3.2.2 基于手语轨迹的点密集度算法 | 第20-21页 |
| 2.4 自适应的关键动作提取算法 | 第21-27页 |
| 2.4.1 手势区域提取 | 第22-23页 |
| 2.4.1.1 基于肤色检测的手部区域分割 | 第22页 |
| 2.4.1.2 结合骨骼与深度信息的手部区域分割 | 第22-23页 |
| 2.4.2 手势区域特征提取 | 第23-24页 |
| 2.4.3 基于最佳分类的关键动作提取 | 第24-27页 |
| 2.5 实验结果和分析 | 第27-31页 |
| 2.5.1 稳定性实验 | 第27-30页 |
| 2.5.2 准确性实验 | 第30-31页 |
| 2.5.3 实验结果分析 | 第31页 |
| 2.6 小结 | 第31-32页 |
| 第三章 基于随机森林与KM-SMOTE的关键动作分类 | 第32-41页 |
| 3.1 引言 | 第32-35页 |
| 3.1.1 已有的手型特征描述算法 | 第32-34页 |
| 3.1.1.1 基于指间信息的手型描述 | 第32-33页 |
| 3.1.1.2 基于方向矢量的手型描述 | 第33页 |
| 3.1.1.3 基于傅里叶描述子的特征提取 | 第33-34页 |
| 3.1.2 结合骨骼和区域特征的手型特征描述算法 | 第34-35页 |
| 3.2 基于优化的KM-SMOTE和随机森林分类器 | 第35-38页 |
| 3.2.1 随机森林 | 第35页 |
| 3.2.2 KM-SMOTE算法 | 第35-38页 |
| 3.2.3 优化的KM-SMOTE算法 | 第38页 |
| 3.3 实验结果与分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于关键动作的手语识别 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 已有的手语识别算法 | 第41-42页 |
| 4.2.1 模版匹配法 | 第41页 |
| 4.2.2 支持向量机 | 第41页 |
| 4.2.3 人工神经网络 | 第41-42页 |
| 4.2.4 隐马尔可夫算法 | 第42页 |
| 4.3 基于关键动作的HMM手语识别 | 第42-45页 |
| 4.3.1 基于关键动作的HMM模型分类器 | 第42-43页 |
| 4.3.2 模型的训练与识别 | 第43-45页 |
| 4.4 实验结果和分析 | 第45-47页 |
| 4.5 小结 | 第47-48页 |
| 第五章 系统设计与实现 | 第48-55页 |
| 5.1 引言 | 第48页 |
| 5.2 系统设计 | 第48页 |
| 5.2.1 开发环境 | 第48页 |
| 5.2.2 系统模块设计 | 第48页 |
| 5.3 系统功能介绍 | 第48-54页 |
| 5.3.1 后台管理模块 | 第49-51页 |
| 5.3.2 前台手势识别模块 | 第51-54页 |
| 5.4 实验结果分析 | 第54页 |
| 5.5 小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 在学期间的研究成果及发表的学术论文 | 第64页 |