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 |