基于WebRTC的残疾人鼠标研究及应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景与意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·手势识别的难点 | 第11-12页 |
| ·论文结构安排 | 第12-14页 |
| ·论文主要贡献 | 第14-16页 |
| 第二章 B/S视觉手势识别系统设计思想 | 第16-32页 |
| ·视觉手势识别基本流程 | 第16-21页 |
| ·图像预处理与手势分割 | 第17-18页 |
| ·手势分割 | 第18-19页 |
| ·手势建模和特征提取 | 第19-20页 |
| ·图像匹配 | 第20-21页 |
| ·总体模块设计 | 第21-23页 |
| ·系统相关技术 | 第23-30页 |
| ·获取用户图像 | 第23-25页 |
| ·传输和接收用户图像 | 第25-26页 |
| ·接收处理图像数据 | 第26-27页 |
| ·反馈识别命令 | 第27页 |
| ·浏览器操作鼠标 | 第27-30页 |
| ·相关技术总结 | 第30-32页 |
| 第三章 客户端图像获取与提交 | 第32-36页 |
| ·图像获取 | 第32页 |
| ·图像提交 | 第32-36页 |
| 第四章 基于静态手势识别的服务器端图像处理模块 | 第36-46页 |
| ·图像预处理 | 第36-41页 |
| ·分割 | 第36-38页 |
| ·降噪 | 第38-40页 |
| ·归一化 | 第40-41页 |
| ·总结 | 第41页 |
| ·特征提取 | 第41-43页 |
| ·分类识别 | 第43-44页 |
| ·服务器端手势识别算法 | 第44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于动态手势跟踪的服务器端图像处理模块 | 第46-59页 |
| ·运动目标检测与跟踪相关理论 | 第47-53页 |
| ·粒子滤波 | 第47-48页 |
| ·CamShift | 第48-51页 |
| ·基于肤色的图像分割 | 第51-53页 |
| ·历史图像叠加 | 第53-55页 |
| ·手势图形特征提取 | 第55-56页 |
| ·服务器端手势识别算法 | 第56-57页 |
| ·实验结果及分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文的工作总结 | 第59-60页 |
| ·今后研究方向 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录：攻读硕士学位期间发表论文 | 第66页 |
