| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 国内外研究现状及发展趋势 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.2.3 国内外研究现状分析总结 | 第15-16页 |
| 1.2.4 发展趋势 | 第16-17页 |
| 1.3 手势数据采集设备选取 | 第17-19页 |
| 1.3.1 ToF传感器 | 第17页 |
| 1.3.2 Kinect传感器 | 第17-18页 |
| 1.3.3 Leap Motion传感器 | 第18页 |
| 1.3.4 传感器比较分析和选择 | 第18-19页 |
| 1.4 本文拟解决问题及主要研究内容 | 第19-20页 |
| 1.4.1 拟解决问题 | 第19页 |
| 1.4.2 主要研究内容 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 本论文算法结构 | 第21-24页 |
| 2.1 本论文算法结构 | 第21-22页 |
| 2.1.1 算法流程描述 | 第21-22页 |
| 2.1.2 模型训练过程 | 第22页 |
| 2.1.3 实时识别过程 | 第22页 |
| 2.2 论文的主要工作和章节安排 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 Leap Motion检测原理及手势定义 | 第24-30页 |
| 3.1 Leap Motion检测原理 | 第24-26页 |
| 3.1.1 坐标系统 | 第25页 |
| 3.1.2 运动数据跟踪 | 第25-26页 |
| 3.1.3 支持的编程语言 | 第26页 |
| 3.2 手势定义 | 第26-29页 |
| 3.2.1 手势定义 | 第26-27页 |
| 3.2.2 数据集 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 基于最优化特征选择的空间坐标三维手势识别方法 | 第30-52页 |
| 4.1 手势数据的采集 | 第30-31页 |
| 4.2 手势特征的提取与预处理 | 第31-33页 |
| 4.2.1 特征定义 | 第31页 |
| 4.2.2 特征提取和预处理 | 第31-33页 |
| 4.3 手势特征的最优化选择 | 第33-39页 |
| 4.3.1 相关算法和方法简介 | 第33-36页 |
| 4.3.2 特征重要性排序 | 第36-38页 |
| 4.3.3 最优化特征选择 | 第38-39页 |
| 4.4 基于高斯朴素贝叶斯的三维手势识别 | 第39-41页 |
| 4.5 实验结果分析 | 第41-51页 |
| 4.5.1 手势识别训练集上的结果分析比较 | 第43-45页 |
| 4.5.2 无方向手势识别结果分析比较 | 第45-46页 |
| 4.5.3 有方向手势识别结果分析比较 | 第46-47页 |
| 4.5.4 本论文方法下测试集识别结果分析 | 第47-51页 |
| 4.5.5 常用分类方法的比较分析 | 第51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于Leap Motion的手势控制PPT演示应用 | 第52-64页 |
| 5.1 PPT演示的应用背景 | 第52页 |
| 5.2 相关手势定义 | 第52-55页 |
| 5.3 键盘控制 | 第55-56页 |
| 5.4 手势控制PPT演示的实现 | 第56-59页 |
| 5.4.1 手势控制PPT实现流程 | 第56-58页 |
| 5.4.2 控制PPT各个指令的响应过程 | 第58-59页 |
| 5.5 控制PPT演示效果 | 第59-63页 |
| 5.5.1 测试用例 | 第59-60页 |
| 5.5.2 测试效果 | 第60-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录1 ：测试集中手势属于各个分类类别的概率统计 | 第71-78页 |
| 附录2 ：作者在读期间发表的学术论文及参加的科研项目 | 第78页 |
