首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于表观建模的中国手语识别技术研究

中文摘要第3-5页
Abstract第5-6页
第一章 绪论第10-25页
    1.1 基于表观建模的中国手语识别研究内容第10-19页
        1.1.1 手语识别的定义和分类第10-12页
        1.1.2 手的检测、跟踪与分割第12-14页
        1.1.3 手语手势特征提取第14-15页
        1.1.4 分类器设计第15-18页
        1.1.5 手语的识别第18-19页
    1.2 国内外研究发展状况第19-22页
        1.2.1 中国手语识别研究简介第19-20页
        1.2.2 国外手语识别研究简介第20-22页
    1.3 本文主要工作第22-23页
    1.4 论文内容安排第23-25页
第二章 复杂背景视频图像中手语手势的提取第25-53页
    2.1 引言第25-26页
    2.2 Kinect第26-28页
    2.3 基于DI_CamShift算法的手势跟踪第28-43页
        2.3.1 MeanShift算法第28-34页
        2.3.2 CamShift算法第34-36页
        2.3.3 DI_CamShift算法第36-39页
        2.3.4 基于DI_CamShift的跟踪实验第39-43页
    2.4 基于改进肤色分割算法的手势提取第43-49页
        2.4.1 基于深度图像信息的椭圆边界肤色模型第43-45页
        2.4.2 基于深度积分图的二维OTSU算法第45-48页
        2.4.3 改进的OTSU算法第48-49页
    2.5 手势提取实验第49-53页
第三章 手语完备特征提取第53-82页
    3.1 引言第53-54页
    3.2 特征提取第54-79页
        3.2.1 SURF特征第54-68页
        3.2.2 Gabor特征第68-71页
        3.2.3 颜色直方图第71-73页
        3.2.4 BoW特征表示第73-79页
    3.3 基于CCA的特征融合第79-82页
第四章 多核SVM学习第82-102页
    4.1 引言第82-83页
    4.2 统计学习理论第83-84页
    4.3 SVC算法第84-86页
    4.4 SVR方法第86-88页
    4.5 两类线性可分支持向量机第88-92页
    4.6 基于核方法的两类线性可分SVM第92-94页
    4.7 核函数第94-96页
    4.8 基于BoW的多核SVM第96-102页
        4.8.1 基于单核SVM的手语识别第96-97页
        4.8.2 H Kernel第97-99页
        4.8.3 基于BoW的语义核函数第99-102页
第五章 基于表观建模的手语识别第102-113页
    5.1 引言第102页
    5.2 手语库第102-103页
    5.3 手语识别第103-113页
        5.3.1 手语识别流程第103-104页
        5.3.2 手势检测第104-105页
        5.3.3 手势跟踪第105页
        5.3.4 手势分割第105-106页
        5.3.5 手语BoW构建第106-111页
        5.3.6 混合核函数SVM训练学习第111页
        5.3.7 手语识别结果分析第111-113页
总结与展望第113-115页
参考文献第115-128页
攻读博士学位期间取得的科研成果第128-130页
致谢第130-131页
作者简介第131页

论文共131页,点击 下载论文
上一篇:Sirt1在自发性高血压大鼠心肌中的表达及其在瑞舒伐他汀心肌保护中的作用
下一篇:SLI的条件冗余性及LP问题的算法研究