第一视角下的手势识别方法研究与交互系统设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 手势交互的应用 | 第12-15页 |
| 1.2.1. 正向手势交互的应用 | 第12-14页 |
| 1.2.2. 第一视角手势交互的应用 | 第14-15页 |
| 1.3 主要工作及章节安排 | 第15-17页 |
| 1.3.1. 主要工作 | 第15-16页 |
| 1.3.2. 章节安排 | 第16-17页 |
| 第二章 手势识别相关技术分析 | 第17-26页 |
| 2.1 手势数据获取 | 第17-18页 |
| 2.2 手势分割 | 第18-20页 |
| 2.2.1. 基于肤色分割方法 | 第18-19页 |
| 2.2.2. 运动检测 | 第19-20页 |
| 2.2.3. 其他方法 | 第20页 |
| 2.3 特征提取 | 第20-22页 |
| 2.3.1. Haar特征提取 | 第20-21页 |
| 2.3.2. LBP特征提取 | 第21-22页 |
| 2.3.3. 神经网络特征提取 | 第22页 |
| 2.4 指尖定位方法 | 第22-24页 |
| 2.4.1. 重心距离法 | 第22-23页 |
| 2.4.2. 曲率分析法 | 第23-24页 |
| 2.5 手势分类方法 | 第24-25页 |
| 2.5.1. 自适应增强 | 第24页 |
| 2.5.2. 支持向量机 | 第24-25页 |
| 2.5.3. 神经网络方法 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 第一视角下手势识别方法研究 | 第26-50页 |
| 3.1 概述 | 第26-27页 |
| 3.2 基础原理介绍 | 第27-33页 |
| 3.2.1. 卷积神经网络 | 第27-29页 |
| 3.2.2. 扩张卷积 | 第29-30页 |
| 3.2.3. 目标检测框架Faster-RCNN | 第30-33页 |
| 3.3 图像预处理 | 第33-37页 |
| 3.3.1. 均值规整化 | 第34页 |
| 3.3.2. 边缘提取 | 第34-36页 |
| 3.3.3. 批量归一化 | 第36-37页 |
| 3.4 Hand-RCNN网络 | 第37-43页 |
| 3.4.1. 网络结构 | 第37-38页 |
| 3.4.2. 指尖定位 | 第38-40页 |
| 3.4.3. 网络设计 | 第40-43页 |
| 3.5 网络训练与实验 | 第43-49页 |
| 3.5.1. 数据库 | 第43页 |
| 3.5.2. 实验标准 | 第43-44页 |
| 3.5.3. 网络训练 | 第44-45页 |
| 3.5.4. 性能实验对比 | 第45-46页 |
| 3.5.5. 相关工作实验对比 | 第46-48页 |
| 3.5.6. 实验效果 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 第一视角下手势交互系统设计 | 第50-67页 |
| 4.1 系统概述 | 第50-52页 |
| 4.2 系统手势指令集与交互界面设计 | 第52-56页 |
| 4.2.1. 手势交互界面设计 | 第52-54页 |
| 4.2.2. 手势交互指令集设计 | 第54-56页 |
| 4.3 系统交互算法设计 | 第56-61页 |
| 4.3.1. 手势漫游与确认 | 第56-60页 |
| 4.3.2. 动态手势识别 | 第60-61页 |
| 4.4 系统平台移植与优化 | 第61-65页 |
| 4.4.1. 系统平台移植 | 第62-64页 |
| 4.4.2. 系统平台优化 | 第64-65页 |
| 4.5 系统测试 | 第65-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 工作总结 | 第67页 |
| 5.2 未来展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
