首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于计算机视觉的手势识别及人机交互技术的应用研究

摘要第5-7页
Abstract第7-8页
第1章 绪论第11-19页
    1.1 研究背景及意义第11页
    1.2 基于手势的人机交互第11-13页
    1.3 基于计算机视觉的手势识别技术第13-16页
        1.3.1 国内外研究现状第13-15页
        1.3.2 关键技术与研究难点第15-16页
    1.4 本文研究内容和论文结构第16-19页
        1.4.1 研究内容第16-17页
        1.4.2 论文结构第17-19页
第2章 手势分割与识别第19-50页
    2.1 引言第19-24页
        2.1.1 手势分割法第19-21页
        2.1.2 手势识别法第21-23页
        2.1.3 目前该领域存在的技术问题和难点第23-24页
    2.2 手势分割第24-32页
        2.2.1 基于肤色的手势分割法第24-28页
        2.2.2 基于运动的手势分割法第28-32页
    2.3 静态手势识别第32-37页
        2.3.1 几何矩第32-33页
        2.3.2 支持向量机第33-36页
        2.3.3 特征手算法第36-37页
    2.4 手指与指尖检测第37-40页
        2.4.1 手指检测法分类第37-38页
        2.4.2 画圆法第38-40页
    2.5 复杂背景下的手势分割与识别第40-49页
        2.5.1 手势分割算法的评估第40-44页
        2.5.2 手势识别算法的评估第44-47页
        2.5.3 手指检测算法的评估第47-49页
    2.6 本章小结第49-50页
第3章 基于部件模型与边缘修复的手势分割法第50-65页
    3.1 引言第50-51页
    3.2 人脸检测第51-56页
        3.2.1 人脸位置初始化第52-54页
        3.2.2 人脸跟踪第54-56页
    3.3 基于边缘修复的手势部件分割法第56-61页
        3.3.1 分层Chamfer距离匹配法第57-58页
        3.3.2 手势子部分的检测第58-60页
        3.3.3 边缘修复第60-61页
    3.4 实验结果与分析第61-64页
        3.4.1 手势数据库第61-62页
        3.4.2 定性评估第62-63页
        3.4.3 定量评估第63-64页
    3.5 本章小结第64-65页
第4章 基于深度学习的手势分割法第65-81页
    4.1 引言第65-67页
        4.1.1 深度学习的发展与研究现状第65-66页
        4.1.2 深度学习在计算机视觉中的应用第66-67页
        4.1.3 本章研究的重点与难点第67页
    4.2 深度卷积神经网络第67-72页
        4.2.1 卷积神经网络的简介第67-69页
        4.2.2 卷积神经网络的训练第69-71页
        4.2.3 常用的卷积神经网络模型第71-72页
    4.3 基于CNN的手势分割算法第72-77页
        4.3.1 训练与测试样本集第73页
        4.3.2 网络结构的选择第73-75页
        4.3.3 本论文的卷积神经网络第75-77页
    4.4 实验与结果分析第77-80页
        4.4.1 网络训练第77-78页
        4.4.2 网络测试第78-80页
    4.5 本章小结第80-81页
第5章 基于视觉的手势识别应用第81-103页
    5.1 手指-视线人工交互系统概述第81页
    5.2 基于个人计算机的平台第81-97页
        5.2.1 平台简介与开发第82-85页
        5.2.2 系统框架与算法流程第85-86页
        5.2.3 系统手势表第86-88页
        5.2.4 系统交互模式第88-89页
        5.2.5 光标定位第89-92页
        5.2.6 系统实验与分析第92-97页
    5.3 基于Android的平台第97-102页
        5.3.1 平台开发与系统搭建第97-98页
        5.3.2 智能手机平台第98-101页
        5.3.3 智能电视平台第101-102页
    5.4 本章小结第102-103页
第6章 总结与展望第103-105页
致谢第105-106页
参考文献第106-117页
作者简介第117页

论文共117页,点击 下载论文
上一篇:面向低层视觉的稀疏低秩模型理论与方法
下一篇:基于静息态fMRI中超体素的全脑分割研究