摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-15页 |
1.1 课题研究背景和意义 | 第10-11页 |
1.2 手势识别与跟踪研究现状 | 第11-13页 |
1.2.1 基于数据手套的手势识别与跟踪 | 第11页 |
1.2.2 基于单目视觉的手势识别与跟踪 | 第11-12页 |
1.2.3 基于双目视觉的手势识别与跟踪 | 第12-13页 |
1.3 本文研究内容 | 第13-14页 |
1.4 论文结构安排 | 第14-15页 |
第二章 复杂背景下的人手检测 | 第15-29页 |
2.1 混合多尺度可变形部件模型 | 第15-22页 |
2.1.1 可变形模型 | 第15-16页 |
2.1.2 HOG特征简述 | 第16-18页 |
2.1.3 混合多尺度可变形部件模型 | 第18-22页 |
2.2 建立多检测器进行人手检测 | 第22-28页 |
2.2.1 人手形状直接检测器 | 第22页 |
2.2.2 人手上下文间接检测器 | 第22-24页 |
2.2.3 基于人脸先验知识的双侧肤色检测器 | 第24-26页 |
2.2.4 多检测器人手检测方法 | 第26-28页 |
2.3 本章小结 | 第28-29页 |
第三章 人手跟踪算法研究 | 第29-39页 |
3.1 人手跟踪算法对比研究 | 第29-30页 |
3.2 基于颜色直方图的Mean Shift跟踪算法 | 第30-34页 |
3.3 改进的Mean Shift跟踪算法 | 第34-36页 |
3.3.1 结合LBP特征改进跟踪准确性 | 第35-36页 |
3.3.2 结合卡尔曼滤波器改进高速运动跟踪 | 第36页 |
3.4 验证本文改进的Mean Shift跟踪算法 | 第36-38页 |
3.5 本章小结 | 第38-39页 |
第四章 双目立体视觉人手定位 | 第39-60页 |
4.1 相机成像模型 | 第39-41页 |
4.2 双目立体视觉 | 第41-46页 |
4.2.1 双目立体视觉景深原理 | 第41-42页 |
4.2.2 双目立体视觉的数学模型 | 第42-43页 |
4.2.3 双目立体视觉的极线几何 | 第43-45页 |
4.2.4 双目立体矫正 | 第45-46页 |
4.3 立体视觉匹配 | 第46-51页 |
4.3.1 FAST特征点简介 | 第47-49页 |
4.3.2 基于FAST特征的双目立体匹配 | 第49-51页 |
4.4 三维相机标定 | 第51-56页 |
4.4.1 相机标定法发展简介 | 第51-52页 |
4.4.2 使用张氏标定算法对系统进行标定 | 第52-53页 |
4.4.3 标定结果展示与分析 | 第53-56页 |
4.5 深度信息提取与分析 | 第56-59页 |
4.6 本章小结 | 第59-60页 |
第五章 实验系统实现和测试 | 第60-66页 |
5.1 系统实验软硬件介绍 | 第60页 |
5.2 系统设计介绍 | 第60-62页 |
5.3 系统展示与结果分析 | 第62-65页 |
5.4 本章小结 | 第65-66页 |
第六章 总结与展望 | 第66-69页 |
6.1 全文总结 | 第66-67页 |
6.2 文章中的创新与不足 | 第67页 |
6.3 展望 | 第67-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-74页 |
在学校期间取得的与学位论文相关的研究成果 | 第74-75页 |