基于视觉的手势识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·基于数据手套的手势识别 | 第12页 |
| ·基于特殊标记的手势识别 | 第12-13页 |
| ·基于加速度传感器的手势识别 | 第13页 |
| ·基于计算机视觉的手势识别 | 第13-14页 |
| ·当前研究的难点 | 第14-15页 |
| ·本文研究内容及章节安排 | 第15-17页 |
| 第二章 手势识别的理论基础 | 第17-35页 |
| ·手势的概念 | 第17页 |
| ·手势的定义 | 第17页 |
| ·手势的分类 | 第17页 |
| ·手势建模 | 第17-20页 |
| ·基于表观的手势模型 | 第18-19页 |
| ·基于3D的手势模型 | 第19-20页 |
| ·手势分割 | 第20-23页 |
| ·基于运动信息的分割 | 第20-21页 |
| ·基于运动模板的分割 | 第21页 |
| ·基于局部区域信息的分割 | 第21页 |
| ·基于颜色信息的分割 | 第21-23页 |
| ·手势跟踪 | 第23-31页 |
| ·Mean Shift跟踪算法 | 第24-26页 |
| ·CamShift跟踪算法 | 第26-28页 |
| ·卡尔曼滤波跟踪算法 | 第28-29页 |
| ·粒子滤波跟踪算法 | 第29-31页 |
| ·手势特征提取 | 第31-32页 |
| ·手势识别 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 图像常规处理与光线补偿 | 第35-49页 |
| ·平滑处理 | 第35-37页 |
| ·边缘检测 | 第37页 |
| ·数学形态学操作 | 第37-39页 |
| ·光线补偿 | 第39-47页 |
| ·图像增强 | 第39-41页 |
| ·白平衡 | 第41-44页 |
| ·一种改进的光线补偿策略, | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 静态手势的识别 | 第49-63页 |
| ·静态手势的分割 | 第49-52页 |
| ·静态手势的特征提取 | 第52-55页 |
| ·Hu矩特征的提取 | 第52-53页 |
| ·指尖的提取 | 第53-55页 |
| ·SVM在静态手势识别中的应用 | 第55-60页 |
| ·支持向量机简介 | 第55-59页 |
| ·LIBSVM在静态手势识别中的应用 | 第59-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 动态手势的识别 | 第63-85页 |
| ·动态手势起止点的确定 | 第63-65页 |
| ·Haar分类器 | 第63-65页 |
| ·动态手势轨迹起点和终点的确认 | 第65页 |
| ·TLD跟踪算法 | 第65-69页 |
| ·TLD算法简介 | 第65-69页 |
| ·TLD算法的改进 | 第69页 |
| ·动态手势轨迹特征提取 | 第69-70页 |
| ·HMM在动态手势识别中的应用 | 第70-79页 |
| ·隐马尔可夫模型简介 | 第70-75页 |
| ·HMM在动态手势识别中的应用 | 第75-79页 |
| ·实验结果与分析 | 第79-84页 |
| ·起始手势和终止手势分类器性能 | 第79-80页 |
| ·TLD跟踪算法性能 | 第80-83页 |
| ·动态手势识别 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-87页 |
| ·总结 | 第85-86页 |
| ·展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-93页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第93页 |
