| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 手势识别国内外研究现状 | 第13-16页 |
| 1.3 手势研究的难点 | 第16页 |
| 1.4 本文主要研究工作 | 第16-17页 |
| 1.5 论文结构安排 | 第17-18页 |
| 第二章 手势识别的预备知识 | 第18-36页 |
| 2.1 手势建模 | 第18-19页 |
| 2.1.1 基于表观的手势模型 | 第18页 |
| 2.1.2 3D手势模型 | 第18-19页 |
| 2.2 手势分割 | 第19-22页 |
| 2.2.1 运动帧差法 | 第19-20页 |
| 2.2.2 肤色模型法 | 第20-21页 |
| 2.2.3 模板匹配法 | 第21-22页 |
| 2.2.4 基于神经网络的分割 | 第22页 |
| 2.3 手势特征提取 | 第22-26页 |
| 2.3.1 HOG特征 | 第22-23页 |
| 2.3.2 Harr特征 | 第23-25页 |
| 2.3.3 LBP特征 | 第25-26页 |
| 2.4 手势追踪 | 第26-29页 |
| 2.4.1 卡尔曼滤波 | 第26-27页 |
| 2.4.2 TLD跟踪算法 | 第27-29页 |
| 2.5 手势识别 | 第29-35页 |
| 2.5.1 支持向量机分类器 | 第30-31页 |
| 2.5.2 Softmax 分类器 | 第31-32页 |
| 2.5.3 Adaboost 分类 | 第32-33页 |
| 2.5.4 隐马尔可夫模型 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 静态手势识别 | 第36-51页 |
| 3.1 静态手势分割 | 第36-42页 |
| 3.1.1 SSD(Single Shot MultiBox Detector)分割算法 | 第36-37页 |
| 3.1.2 DSSD网络 | 第37-39页 |
| 3.1.3 建立DSSD网络 | 第39-40页 |
| 3.1.4 训练DSSD网络 | 第40-41页 |
| 3.1.5 对比分割性能 | 第41-42页 |
| 3.2 静态手势图像预处理 | 第42-46页 |
| 3.2.1 归一化处理 | 第43-44页 |
| 3.2.2 自适应光线补偿 | 第44-46页 |
| 3.3 提取静态手势特征 | 第46-47页 |
| 3.3.1 提取二值化图像 | 第46页 |
| 3.3.2 提取方向梯度直方图特征 | 第46-47页 |
| 3.4 基于 SVM 和 Softmax 手势分类 | 第47-48页 |
| 3.5 实验 | 第48-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第四章 动态手势识别 | 第51-60页 |
| 4.1 3D-CNN神经网络 | 第51-54页 |
| 4.1.1 三维卷积 | 第51-52页 |
| 4.1.2 3D-CNN总体架构 | 第52-54页 |
| 4.2 基于3D-CNN模型的动态手势识别 | 第54-57页 |
| 4.2.1 视频光流特征信息提取 | 第54页 |
| 4.2.2 长短期记忆网络模型 | 第54-56页 |
| 4.2.3 3D-CNN网络训练 | 第56-57页 |
| 4.3 手势识别实验结果和分析 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 手势识别平台设计 | 第60-63页 |
| 5.1 手势识别系统平台介绍 | 第60-61页 |
| 5.2 手势识别系统软件架构 | 第61页 |
| 5.3 手势识别系统GUI界面 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的研究成果目录 | 第69-70页 |
| 致谢 | 第70页 |