| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 手势识别的国内外研究现状 | 第11-15页 |
| 1.3 手势识别研究难点 | 第15-16页 |
| 1.4 本文研究的主要内容 | 第16-18页 |
| 第2章 RGBD数据获取与预处理 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 KINECT概述 | 第18-21页 |
| 2.2.1 硬件组成 | 第18-19页 |
| 2.2.2 软件编程环境 | 第19-20页 |
| 2.2.3 深度图像成像原理 | 第20-21页 |
| 2.3 深度图像空洞填充 | 第21-23页 |
| 2.4 深度图像与彩色图像配准 | 第23-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 手脸近距离遮挡手势图像分割 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 手脸交互视频关键帧提取 | 第29-30页 |
| 3.3 传统的手势分割方法 | 第30-35页 |
| 3.3.1 基于肤色检测的手势分割 | 第30-32页 |
| 3.3.2 基于运动分析的手势分割 | 第32-35页 |
| 3.4 基于RGBD数据的手脸近距离交互手势图像分割 | 第35-44页 |
| 3.4.1 深度手势图像预处理 | 第36-38页 |
| 3.4.2 基于模糊C均值聚类的手脸分离 | 第38-40页 |
| 3.4.3 基于偏移场矫正多相水平集的手势提取 | 第40-42页 |
| 3.4.4 模糊C均值聚类协同多相水平集的手势分割算法 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于支持向量机的手脸交互行为识别 | 第46-67页 |
| 4.1 引言 | 第46页 |
| 4.2 手势特征提取 | 第46-54页 |
| 4.2.1 矩与不变矩特征 | 第46-49页 |
| 4.2.2 傅立叶描述子特征 | 第49-52页 |
| 4.2.3 基于深度信息的手势HOG特征 | 第52-54页 |
| 4.3 支持向量机基本原理 | 第54-59页 |
| 4.3.1 线性可分支持向量机 | 第54-57页 |
| 4.3.2 线性不可分支持向量机 | 第57-58页 |
| 4.3.3 非线性支持向量机 | 第58-59页 |
| 4.3.4 核函数 | 第59页 |
| 4.4 基于粒子群算法的支持向量机参数寻优 | 第59-61页 |
| 4.5 试验结果与分析 | 第61-66页 |
| 4.5.1 实验设置 | 第61-62页 |
| 4.5.2 实验方法及结果分析 | 第62-66页 |
| 4.6 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74页 |