| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 手势识别的主要方法 | 第14-28页 |
| 2.1 模板匹配法 | 第14-15页 |
| 2.2 隐马尔克夫模型法 | 第15-16页 |
| 2.3 基于CNN的手势识别方法 | 第16-27页 |
| 2.3.1 神经网络模型 | 第16-18页 |
| 2.3.2 CNN的基本结构 | 第18-23页 |
| 2.3.3 CNN的传导算法 | 第23-26页 |
| 2.3.4 CNN的训练过程 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于AlexNet的手势识别算法 | 第28-40页 |
| 3.1 基于CNN的手势识别流程 | 第28页 |
| 3.2 AlexNet模型介绍 | 第28-31页 |
| 3.2.1 AlexNet中防止过拟合的方法 | 第29-30页 |
| 3.2.2 LRN的原理 | 第30-31页 |
| 3.3 Hand-CNN算法的提出 | 第31-33页 |
| 3.3.1 特征融合算法介绍 | 第31-32页 |
| 3.3.2 Hand-CNN算法 | 第32-33页 |
| 3.4 实验及结果分析 | 第33-39页 |
| 3.4.1 实验环境及数据介绍 | 第33-35页 |
| 3.4.2 AlexNet手势识别的结果 | 第35-36页 |
| 3.4.3 Hand-CNN算法手势识别的结果 | 第36-37页 |
| 3.4.4 两种算法实验结果对比 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于Faster RCNN的手势识别算法 | 第40-63页 |
| 4.1 引言 | 第40页 |
| 4.2 传统的手势检测技术 | 第40-44页 |
| 4.2.1 颜色特征检测法 | 第40-42页 |
| 4.2.2 背景差分法 | 第42-43页 |
| 4.2.3 帧间差分法 | 第43-44页 |
| 4.3 现有的CNN目标检测技术 | 第44-50页 |
| 4.3.1 RCNN检测技术 | 第44-45页 |
| 4.3.2 SPP-Net检测技术 | 第45-46页 |
| 4.3.3 Fast RCNN检测技术 | 第46-48页 |
| 4.3.4 Faster RCNN检测技术 | 第48-50页 |
| 4.4 改进的手势识别算法 | 第50-55页 |
| 4.4.1 RPN的原理介绍 | 第50-52页 |
| 4.4.2 Faster RCNN参数的修改 | 第52-53页 |
| 4.4.3 改进的基于Faster RCNN手势识别算法提出 | 第53-55页 |
| 4.5 实验及结果分析 | 第55-62页 |
| 4.5.1 实验环境及数据 | 第55-56页 |
| 4.5.2 实验步骤 | 第56-57页 |
| 4.5.3 DisturbIoU算法性能分析 | 第57-59页 |
| 4.5.4 NTU数据集手势识别结果及分析 | 第59-61页 |
| 4.5.5 VIVA数据集手势识别结果及分析 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 结论与展望 | 第63-65页 |
| 5.1 结论 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |