基于粒子滤波的手势识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·引言 | 第7页 |
| ·手势识别综述 | 第7-8页 |
| ·手势识别方法 | 第8-10页 |
| ·神经网络方法 | 第8-9页 |
| ·隐马尔科夫模型(HMM)方法 | 第9页 |
| ·模板匹配方法 | 第9页 |
| ·粒子滤波 | 第9-10页 |
| ·手势识别一般流程 | 第10-11页 |
| ·贝叶斯滤波 | 第11-12页 |
| ·章节安排 | 第12-14页 |
| 2 粒子滤波理论 | 第14-28页 |
| ·引言 | 第14页 |
| ·贝叶斯滤波框架 | 第14-16页 |
| ·Kalman滤波器 | 第16-17页 |
| ·粒子滤波 | 第17-21页 |
| ·因子采样算法 | 第17-18页 |
| ·粒子滤波 | 第18-21页 |
| ·运动模型 | 第21-24页 |
| ·学习运动模型 | 第22-24页 |
| ·非线性观测模型 | 第24-26页 |
| ·一维观测模型 | 第24-25页 |
| ·二维观测模型 | 第25-26页 |
| ·后验密度估计 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于粒子滤波的轮廓跟踪 | 第28-48页 |
| ·引言 | 第28页 |
| ·B样条轮廓模型 | 第28-35页 |
| ·B样条的线性参数化 | 第29-31页 |
| ·B样条曲线特性 | 第31-32页 |
| ·形状空间 | 第32-35页 |
| ·轮廓跟踪 | 第35-42页 |
| ·系统初始化 | 第35-36页 |
| ·系统状态转移 | 第36-40页 |
| ·系统观测 | 第40-41页 |
| ·重采样 | 第41-42页 |
| ·实验结果及分析 | 第42-47页 |
| ·粒子传播半径对跟踪精度影响 | 第43-45页 |
| ·粒子数目对跟踪精度影响 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 4 手势识别 | 第48-54页 |
| ·引言 | 第48页 |
| ·识别方法 | 第48-51页 |
| ·手势建模 | 第48-49页 |
| ·运动模型 | 第49页 |
| ·观测模型 | 第49页 |
| ·后验概率计算 | 第49-51页 |
| ·试验结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
