| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文主要研究内容及安排 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-19页 |
| 第二章 手势特征提取融合 | 第19-33页 |
| 2.1 肤色特征 | 第19-23页 |
| 2.1.1 RGB空间 | 第19-20页 |
| 2.1.2 YUV、YCbCr、YIQ空间 | 第20页 |
| 2.1.3 Lab空间 | 第20-21页 |
| 2.1.4 HSV空间 | 第21-22页 |
| 2.1.5 肤色特征实现 | 第22-23页 |
| 2.2 深度特征 | 第23-26页 |
| 2.2.1 Kinect工作原理 | 第23-24页 |
| 2.2.2 深度特征实现 | 第24-26页 |
| 2.3 本文OG_LBP特征 | 第26-30页 |
| 2.3.1 传统LBP特征 | 第27页 |
| 2.3.2 OG_LBP特征 | 第27-30页 |
| 2.4 手势特征融合 | 第30页 |
| 2.5 特征相似性度量 | 第30-31页 |
| 2.6 抗遮挡实验 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 手部检测与跟踪 | 第33-47页 |
| 3.1 跟踪模型 | 第33-35页 |
| 3.1.1 跟踪算法 | 第33-34页 |
| 3.1.2 搜索算法 | 第34-35页 |
| 3.2 本文跟踪框架 | 第35-36页 |
| 3.3 人工蜂群粒子滤波模型优化 | 第36-39页 |
| 3.3.1 人工蜂群优化 | 第36-39页 |
| 3.3.2 目标模板更新及算法描述 | 第39页 |
| 3.4 本文跟踪算法描述 | 第39-41页 |
| 3.5 实验 | 第41-46页 |
| 3.5.1 准确度实验 | 第42-45页 |
| 3.5.2 模拟器座舱实验 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 手势识别与分类 | 第47-57页 |
| 4.1 传统K-NN算法 | 第50-53页 |
| 4.1.1 算法原理 | 第50页 |
| 4.1.2 算法实现 | 第50-53页 |
| 4.2 基于Pareto-Optimality算法的手部姿态估计 | 第53-55页 |
| 4.2.1 Pareto-Optimality算法 | 第53-54页 |
| 4.2.2 基于Pareto-Optimality图像检索姿态估计 | 第54-55页 |
| 4.3 实验 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文完成工作 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 硕士期间论文及科研项目情况 | 第65页 |
