基于视觉的实时手势识别技术及应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的来源及研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究的现状 | 第10-15页 |
| 1.2.1 手势分割 | 第11-12页 |
| 1.2.2 特征提取 | 第12-13页 |
| 1.2.3 手势识别 | 第13-15页 |
| 1.3 研究难点 | 第15页 |
| 1.4 本文的研究内容及章节安排 | 第15-17页 |
| 第2章 手势分割的原理 | 第17-27页 |
| 2.1 肤色检测的原理 | 第18-20页 |
| 2.2 运动的检测 | 第20-22页 |
| 2.2.1 背景的建模 | 第20-21页 |
| 2.2.2 运动手势的分割 | 第21-22页 |
| 2.3 运动与肤色的融合 | 第22页 |
| 2.4 形态学的相关处理 | 第22-23页 |
| 2.5 轮廓的提取 | 第23-25页 |
| 2.5.1 使用八邻域搜索的算法来提取轮廓 | 第23-24页 |
| 2.5.2 连通区域分析 | 第24-25页 |
| 2.6 手势分割实验结果 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 静态手势识别 | 第27-38页 |
| 3.1 HOG特征原理 | 第27-30页 |
| 3.1.1 HOG原理简介 | 第27-28页 |
| 3.1.2 HOG特征原理 | 第28-30页 |
| 3.1.3 HOG特征的旋转可变性 | 第30页 |
| 3.2 支持向量机 | 第30-33页 |
| 3.2.1 支持向量机简介 | 第30-32页 |
| 3.2.2 SVM核函数 | 第32-33页 |
| 3.3 卷积神经网络 | 第33页 |
| 3.4 手势分类系统设计 | 第33-37页 |
| 3.4.1 构建手势样本库 | 第33-34页 |
| 3.4.2 手势HOG特征提取 | 第34-35页 |
| 3.4.3 训练手势分类系统 | 第35页 |
| 3.4.4 预测手势样本分类 | 第35-36页 |
| 3.4.5 基于卷积神经网络的手势分类 | 第36-37页 |
| 3.4.6 分析测试结果 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 实时手势识别及应用 | 第38-54页 |
| 4.1 LBP以及扩展LBP相关原理 | 第38-41页 |
| 4.1.1 局部二值模式原理 | 第38-39页 |
| 4.1.2 体语义局部二值模式 | 第39-41页 |
| 4.2 基于VSLBP的手势识别系统 | 第41-45页 |
| 4.2.1 手势设计和样本库构建 | 第41-42页 |
| 4.2.2 手势识别系统框架 | 第42-44页 |
| 4.2.3 训练系统 | 第44-45页 |
| 4.3 训练结果 | 第45-46页 |
| 4.4 手势识别应用 | 第46-48页 |
| 4.4.1 硬件环境 | 第47页 |
| 4.4.2 软件环境 | 第47-48页 |
| 4.5 人机交互界面实现 | 第48-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61页 |
