| 摘要 | 第1-8页 |
| 第一章 绪论 | 第8-21页 |
| ·模式识别简介 | 第8-9页 |
| ·课题背景 | 第9-10页 |
| ·手势识别分类 | 第10-11页 |
| ·根据识别对象分类 | 第10页 |
| ·根据手势输入设备不同分类 | 第10-11页 |
| ·基于视觉的动态手势识别系统 | 第11-14页 |
| ·手势识别的一般方法 | 第14-18页 |
| ·模板匹配技术 | 第14页 |
| ·神经网络技术 | 第14-16页 |
| ·统计分析技术 | 第16-17页 |
| ·奇异值分解法 | 第17页 |
| ·基于几何矩的识别方法 | 第17-18页 |
| ·相关的研究历史和现状 | 第18-19页 |
| ·本论文的工作 | 第19-21页 |
| 第二章 图像预处理 | 第21-39页 |
| ·手势视频流获取 | 第21页 |
| ·视频流样本格式 | 第21-28页 |
| ·RIFF文件格式 | 第21-22页 |
| ·AVI文件格式 | 第22-28页 |
| ·手势图像帧获取 | 第28-29页 |
| ·AVI文件的打开 | 第28-29页 |
| ·手势图像帧数据获取 | 第29页 |
| ·图像的色彩模式 | 第29-31页 |
| ·RGB模式 | 第29-30页 |
| ·HSI模式 | 第30页 |
| ·CMYK颜色模式 | 第30-31页 |
| ·Lab模式 | 第31页 |
| ·灰度(Grayscale)模式 | 第31页 |
| ·RGB模式转换到灰度模式 | 第31-32页 |
| ·图像平滑 | 第32-35页 |
| ·局部平均法 | 第32-33页 |
| ·中值滤波法 | 第33-34页 |
| ·频域平滑技术 | 第34-35页 |
| ·二值化 | 第35-39页 |
| ·p-参数法 | 第35页 |
| ·模式法 | 第35-36页 |
| ·最大方差比法 | 第36页 |
| ·自适应阈值法 | 第36-39页 |
| 第三章 动态手势特征提取 | 第39-45页 |
| ·手形特征提取 | 第40-44页 |
| ·手形轮廓特征提取 | 第40-41页 |
| ·矩形拟合 | 第41-42页 |
| ·手形特征提取 | 第42-44页 |
| ·动态手势特征提取 | 第44-45页 |
| 第四章 动态手势识别 | 第45-50页 |
| ·训练集样本和测试集样本的划分 | 第45-46页 |
| ·动态手势识别系统设计 | 第46-47页 |
| ·识别决策方法 | 第47-50页 |
| ·明考夫斯基距离 | 第48页 |
| ·马氏距离(Mahalanbis distance) | 第48页 |
| ·最近邻决策规则 | 第48-49页 |
| ·k-近邻法 | 第49-50页 |
| 第五章 系统实现及结果分析 | 第50-58页 |
| ·系统环境 | 第50页 |
| ·算法主要部分实现 | 第50-53页 |
| ·打开视频流 | 第50页 |
| ·自适应阈值二值化实现 | 第50-52页 |
| ·系统学习的实现 | 第52-53页 |
| ·系统识别的实现 | 第53页 |
| ·实验结果分析 | 第53-58页 |
| 结束语 | 第58-59页 |
| 致谢 | 第59-60页 |
| 发表文章 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 附录1:打开视频流算法实现 | 第67-68页 |
| 附录2:自适应阈值二值化实现 | 第68-70页 |
| 附录3:学习算法实现 | 第70-72页 |
| 附录4:识别算法实现 | 第72-74页 |