| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.1.1 空中机器人 | 第8-10页 |
| 1.1.2 人机交互 | 第10页 |
| 1.1.3 手势识别 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究目标和内容 | 第12-14页 |
| 1.4 章节安排 | 第14-16页 |
| 第2章 人脸及人手的检测分割 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 基于Haar级联分类器的人脸检测 | 第16-21页 |
| 2.2.1 Haar-Like特征和积分图 | 第16-17页 |
| 2.2.2 基于AdaBoost算法的分类器训练 | 第17-18页 |
| 2.2.3 Haar-AdaBoost级联分类器训练 | 第18-20页 |
| 2.2.4 人脸检测的实现与实验结果分析 | 第20-21页 |
| 2.3 基于肤色分割的人手检测 | 第21-25页 |
| 2.3.1 非参数直方图的肤色模型 | 第21-22页 |
| 2.3.2 肤色检测的工作原理及实现 | 第22-23页 |
| 2.3.3 人手检测的实现与实验结果分析 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 动态的目标跟踪 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 基于KCF算法的目标跟踪 | 第26-32页 |
| 3.2.1 KCF目标跟踪器的训练 | 第27-29页 |
| 3.2.2 改进的KCF目标跟踪器 | 第29-30页 |
| 3.2.3 KCF目标跟踪的实现与实验结果分析 | 第30-32页 |
| 3.3 基于DSST算法的目标跟踪 | 第32-37页 |
| 3.3.1 DSST的位置滤波器 | 第32-33页 |
| 3.3.2 改进的DSST位置滤波器 | 第33-34页 |
| 3.3.3 DSST的尺度滤波器及改进 | 第34页 |
| 3.3.4 DSST目标跟踪的实现与实验结果分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 融合多策略的识别方法 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 基于视觉信息的手势识别 | 第38-40页 |
| 4.3 基于压缩卷积神经网络的手势识别 | 第40-47页 |
| 4.3.1 卷积神经网络—Cifar10 | 第40-42页 |
| 4.3.2 基于卷积神经网络的手势识别 | 第42-44页 |
| 4.3.3 卷积神经网络的深度压缩 | 第44-47页 |
| 4.4 产生命令的手势决策树 | 第47-48页 |
| 4.5 融合多策略识别方法的实现和实验结果分析 | 第48-50页 |
| 4.6 本章小结 | 第50-54页 |
| 第5章 手势识别系统的集成实现和性能分析 | 第54-62页 |
| 5.1 引言 | 第54页 |
| 5.2 手势设计 | 第54-55页 |
| 5.3 手势识别系统的集成实现 | 第55-59页 |
| 5.3.1 图像采集模块 | 第56-57页 |
| 5.3.2 目标跟踪模块 | 第57-58页 |
| 5.3.3 手势识别模块 | 第58-59页 |
| 5.4 手势识别系统的性能分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-65页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间本人公开发表的论文 | 第70-71页 |
| 附录A 卷积神经网络Cifar10的网络结构 | 第71-72页 |
| 附录B 基于ROS的手势识别系统的编译列表 | 第72-75页 |
| 致谢 | 第75页 |