| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 目标检测研究现状 | 第11-13页 |
| 1.2.2 手部检测研究现状 | 第13-14页 |
| 1.3 移动端手部检测研究分析 | 第14-17页 |
| 1.3.1 面向移动端目标检测的难点和解决思路 | 第14页 |
| 1.3.2 手部检测的难点和相关假设 | 第14-15页 |
| 1.3.3 面向移动端手部检测的可用线索 | 第15-16页 |
| 1.3.4 适应移动端手部检测的分类模型 | 第16-17页 |
| 1.4 本文的主要工作 | 第17-19页 |
| 1.5 论文结构安排 | 第19-21页 |
| 第2章 相关理论基础 | 第21-29页 |
| 2.1 色彩空间肤色模型介绍 | 第21-24页 |
| 2.2 Edge Boxes算法简介 | 第24-27页 |
| 2.2.1 似物性评分公式 | 第24-26页 |
| 2.2.2 与窗口相交边缘分组的检索结构 | 第26-27页 |
| 2.3 提升树算法介绍 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于可变特征结构化森林的像素级手部检测 | 第29-40页 |
| 3.1 结构化随机森林简介 | 第29-33页 |
| 3.1.1 随机森林的训练 | 第29-30页 |
| 3.1.2 随机森林进行像素级手部检测 | 第30-31页 |
| 3.1.3 结构化森林与传统随机森林之间的差异 | 第31-33页 |
| 3.2 使用可变特征的结构化随机森林 | 第33-37页 |
| 3.2.1 可变特征随机森林的含义 | 第34-35页 |
| 3.2.2 可变特征的本质 | 第35-36页 |
| 3.2.3 结构化样本处理方式 | 第36页 |
| 3.2.4 使用S_Dbw指标进行特征算子选择 | 第36-37页 |
| 3.3 本章实验 | 第37-39页 |
| 3.3.1 使用GTEA数据集进行实验 | 第37-38页 |
| 3.3.2 使用EDSH数据集进行实验 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于改进ACF特征的区域级手部检测 | 第40-58页 |
| 4.1 ACF特征简介 | 第40页 |
| 4.2 基于边缘直方图的ACF特征 | 第40-47页 |
| 4.2.1 边缘图描述图像高频信息 | 第41-42页 |
| 4.2.2 正则化边缘方向直方图 | 第42-43页 |
| 4.2.3 改变ACF特征的通道构成 | 第43-47页 |
| 4.3 基于Edge Boxes和空间金字塔的多尺度ACF特征 | 第47-52页 |
| 4.3.1 快速特征金字塔简要分析 | 第47-48页 |
| 4.3.2 结合Edge Boxes和改进ACF特征 | 第48-49页 |
| 4.3.3 使用不同边缘图像产生的影响 | 第49-51页 |
| 4.3.4 三种尺度不变ACF特征 | 第51-52页 |
| 4.4 本章实验 | 第52-57页 |
| 4.4.1 手部数据集介绍 | 第52-53页 |
| 4.4.2 改进ACF运行结果 | 第53页 |
| 4.4.3 Edge Boxes运行结果 | 第53-54页 |
| 4.4.4 三种尺度不变ACF的比较 | 第54-55页 |
| 4.4.5 AdaBoost检测示例 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 应用展示 | 第58-61页 |
| 5.1 实现思路 | 第58-59页 |
| 5.1.1 系统环境 | 第58-59页 |
| 5.2 实例展示 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第6章 结论与展望 | 第61-64页 |
| 6.1 结论 | 第61-62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间参加的科研项目和成果 | 第68页 |