基于计算机视觉的手势识别技术研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 手势检测分割 | 第13-15页 |
| 1.2.2 手势跟踪 | 第15-16页 |
| 1.2.3 手势特征识别 | 第16-17页 |
| 1.3 论文的主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 手势识别相关图像处理技术基础 | 第19-30页 |
| 2.1 图像处理基本概念 | 第19-22页 |
| 2.1.1 图像基本概念和分类 | 第19-20页 |
| 2.1.2 常用的颜色空间模型 | 第20-22页 |
| 2.2 图像平滑处理 | 第22-24页 |
| 2.3 图像形态学处理 | 第24-26页 |
| 2.3.1 腐蚀和膨胀 | 第25-26页 |
| 2.3.2 开运算和闭运算 | 第26页 |
| 2.4 图像边缘检测 | 第26-29页 |
| 2.4.1 边缘检测步骤 | 第27页 |
| 2.4.2 Canny边缘检测 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 手势检测分割技术研究 | 第30-51页 |
| 3.1 基于肤色模型的手势检测 | 第31-35页 |
| 3.1.1 简单阈值模型 | 第31-33页 |
| 3.1.2 高斯肤色模型 | 第33-35页 |
| 3.2 基于运动信息的手势检测分割 | 第35-38页 |
| 3.2.1 帧间差分法 | 第36-37页 |
| 3.2.2 背景差分法 | 第37-38页 |
| 3.3 基于模板特征的手势检测分割 | 第38-44页 |
| 3.3.1 Haar特征 | 第38-39页 |
| 3.3.2 Haar特征的计算——积分图 | 第39-41页 |
| 3.3.3 训练手势特征分类器 | 第41-42页 |
| 3.3.4 特定手势检测 | 第42-44页 |
| 3.4 基于多特征融合的自适应手势检测算法 | 第44-50页 |
| 3.4.1 算法思想及过程 | 第44-47页 |
| 3.4.2 实验结果 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 静态手势识别 | 第51-69页 |
| 4.1 静态手势识别基本步骤 | 第51-52页 |
| 4.2 手势特征分析 | 第52-53页 |
| 4.3 手势特征提取 | 第53-59页 |
| 4.3.1 特征提取概述 | 第53-54页 |
| 4.3.2 手势轮廓特征 | 第54-56页 |
| 4.3.3 手势纹理特征 | 第56-59页 |
| 4.4 手势分类识别 | 第59-66页 |
| 4.4.1 基于Hu矩特征的手势识别算法 | 第60-61页 |
| 4.4.2 基于LBP特征的手势识别算法 | 第61-63页 |
| 4.4.3 基于多特征融合的手势识别算法 | 第63-66页 |
| 4.5 手势识别实验 | 第66-68页 |
| 4.5.1 实验准备 | 第66-67页 |
| 4.5.2 实验结果与分析 | 第67-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第五章 基于手势识别的图片浏览系统设计与实现 | 第69-76页 |
| 5.1 基于手势识别的图片浏览系统概述 | 第69-70页 |
| 5.2 系统设计与实现 | 第70-73页 |
| 5.2.1 系统设计 | 第70-71页 |
| 5.2.2 系统实现 | 第71-73页 |
| 5.3 系统展示 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 本文总结 | 第76页 |
| 6.2 后续工作展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻硕期间取得的研究成果 | 第82-83页 |
