| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 手势识别定义与分类 | 第11-13页 |
| 1.2.1 基于触摸屏的手势识别 | 第11-12页 |
| 1.2.2 基于数据手套的手势识别 | 第12页 |
| 1.2.3 基于超声波传感器的手势识别 | 第12页 |
| 1.2.4 基于红外传感器的手势识别 | 第12-13页 |
| 1.2.5 基于视觉的手势识别 | 第13页 |
| 1.3 基于视觉的手势识别研究现状 | 第13-19页 |
| 1.3.1 检测分割 | 第14-16页 |
| 1.3.2 跟踪定位 | 第16页 |
| 1.3.3 特征提取 | 第16-18页 |
| 1.3.4 分类识别 | 第18-19页 |
| 1.4 本章主要工作以及论文章节安排 | 第19-21页 |
| 第二章 基于肤色检测和VIBE算法的手势检测 | 第21-34页 |
| 2.1 肤色检测的基本原理 | 第22-25页 |
| 2.1.1 颜色空间转换 | 第23页 |
| 2.1.2 肤色建模 | 第23-25页 |
| 2.2 运动目标检测 | 第25-31页 |
| 2.2.1 ViBe算法 | 第28-31页 |
| 2.3 结合肤色检测和VIBE算法的手势检测 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 手势跟踪 | 第34-50页 |
| 3.1 基于哈尔特征的ADABOOST手势跟踪初始化 | 第35-40页 |
| 3.1.1 哈尔特征 | 第35-37页 |
| 3.1.2 AdaBoost算法 | 第37-40页 |
| 3.2 CAMSHIFT算法 | 第40-45页 |
| 3.2.1 颜色概率分布图 | 第41页 |
| 3.2.2 反向投影 | 第41-42页 |
| 3.2.3 MeanShift算法 | 第42-44页 |
| 3.2.4 Cam Shift算法 | 第44-45页 |
| 3.3 卡尔曼滤波 | 第45-48页 |
| 3.4 实验结果与分析 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于方向梯度直方图和随机森林的静态手势识别 | 第50-67页 |
| 4.1 手势HOG特征提取 | 第51-54页 |
| 4.2 特征分析以及分类器设计 | 第54-59页 |
| 4.2.1 决策树 | 第54-57页 |
| 4.2.1.1 决策树模型 | 第54-55页 |
| 4.2.1.2 决策树学习 | 第55-57页 |
| 4.2.2 随机森林 | 第57-59页 |
| 4.3 实验结果与分析 | 第59-66页 |
| 4.3.1 实验所用数据库 | 第59页 |
| 4.3.2 预处理 | 第59-60页 |
| 4.3.3 HOG特征参数以及随机森林分类器参数的设定 | 第60-62页 |
| 4.3.4 实验结果以及性能分析 | 第62-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 图像序列中的手势识别 | 第67-74页 |
| 5.1 图像序列中手势识别的总体框架 | 第67-68页 |
| 5.2 图像序列中所用分类器的训练以及性能评价方法 | 第68-70页 |
| 5.2.1 手势分类器的训练 | 第68-69页 |
| 5.2.2 分类器的评价方法 | 第69-70页 |
| 5.3 图像序列中手势识别实验 | 第70-73页 |
| 5.3.1 测试所用数据 | 第70-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 本文总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
