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 |