| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 基于计算机视觉的动态手势识别理论 | 第12-28页 |
| 2.1 基于计算机视觉的动态手势识别 | 第12-14页 |
| 2.1.1 动态手势识别的发展背景 | 第12-13页 |
| 2.1.2 基于计算机视觉的动态手势识别的发展现状 | 第13-14页 |
| 2.2 数字图像处理理论 | 第14-19页 |
| 2.2.1 RGB颜色空间 | 第15-16页 |
| 2.2.2 HSV颜色空间 | 第16-17页 |
| 2.2.3 YCbCr颜色空间 | 第17页 |
| 2.2.4 图像去噪 | 第17-18页 |
| 2.2.5 数学形态学 | 第18-19页 |
| 2.3 动态手势检测分割理论 | 第19-20页 |
| 2.3.1 帧差法理论 | 第19-20页 |
| 2.3.2 背景差分法理论 | 第20页 |
| 2.4 动态手势跟踪理论 | 第20-24页 |
| 2.4.1 基于LK光流的跟踪算法 | 第20-21页 |
| 2.4.2 Camshift算法 | 第21-23页 |
| 2.4.3 Kalman滤波算法 | 第23-24页 |
| 2.5 动态手势识别理论 | 第24-27页 |
| 2.5.1 动态时间规整(DTW)算法 | 第24-25页 |
| 2.5.2 隐马尔科夫模型(HMM)算法 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于计算机视觉的动态手势识别方法 | 第28-53页 |
| 3.1 基于计算机视觉的动态手势检测与分割方法 | 第28-35页 |
| 3.1.1 简单阈值限定分割的不足 | 第29页 |
| 3.1.2 建立实时手势肤色库 | 第29-32页 |
| 3.1.3 建立基于亮度索引的高斯肤色模型 | 第32-35页 |
| 3.1.4 仿真实验 | 第35页 |
| 3.2 基于计算机视觉的动态手势跟踪方法 | 第35-43页 |
| 3.2.1 Camshift算法的实现 | 第36-39页 |
| 3.2.2 Kalman滤波算法的实现 | 第39页 |
| 3.2.3 基于kalman滤波的camshift算法跟踪方法 | 第39-42页 |
| 3.2.4 仿真实验 | 第42-43页 |
| 3.3 基于计算机视觉的动态手势分类识别 | 第43-49页 |
| 3.3.1 动态手势的特征提取 | 第44-45页 |
| 3.3.2 动态手势的训练与识别 | 第45-47页 |
| 3.3.3 仿真实验 | 第47-49页 |
| 3.4 仿真实验及分析 | 第49-52页 |
| 3.4.1 仿真实验 | 第49-50页 |
| 3.4.2 实验结果及分析 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于计算机视觉的音乐播放器实现 | 第53-63页 |
| 4.1 需求分析 | 第53-56页 |
| 4.1.1 音乐播放器的目标需求 | 第53-54页 |
| 4.1.2 音乐播放器开发运行环境需求 | 第54页 |
| 4.1.3 音乐播放器功能与性能需求 | 第54-56页 |
| 4.2 总体设计 | 第56-59页 |
| 4.2.1 总体流程设计 | 第56-58页 |
| 4.2.2 功能模块设计 | 第58-59页 |
| 4.3 音乐播放器实现 | 第59-60页 |
| 4.4 测试结果与分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 致谢 | 第68页 |