基于神经网络的手势识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-21页 |
| ·本论文研究的目的和意义 | 第9-11页 |
| ·国内外研究现状及发展趋势 | 第11-15页 |
| ·手势识别的应用 | 第15-18页 |
| ·手势识别的难点 | 第18-19页 |
| ·本论文完成的主要工作 | 第19-21页 |
| 第2章 手势分割和特征提取 | 第21-42页 |
| ·图像预处理 | 第21-24页 |
| ·图像的平滑处理 | 第21-22页 |
| ·数学形态学处理 | 第22-24页 |
| ·手势分割 | 第24-39页 |
| ·概述 | 第24-26页 |
| ·颜色空间 | 第26-33页 |
| ·基于肤色的手势分割 | 第33-35页 |
| ·结合背景减除法和肤色检测法的手势分割 | 第35-39页 |
| ·手势特征提取 | 第39-40页 |
| ·概述 | 第39页 |
| ·基于 PCA 的特征提取 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第3章 基于神经网络的静态手势识别 | 第42-58页 |
| ·静态手势识别概述 | 第42-43页 |
| ·人工神经网络 | 第43-49页 |
| ·概述 | 第43-46页 |
| ·BP 网络 | 第46-49页 |
| ·基于 BP 神经网络的手势识别 | 第49-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 改进型神经网络的手势识别算法 | 第58-68页 |
| ·极限学习机 | 第58-62页 |
| ·BP 神经网络的缺点 | 第58页 |
| ·极限学习机算法 | 第58-62页 |
| ·基于 ELM 的手势识别 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 手势识别系统的硬件实现 | 第68-75页 |
| ·硬件平台概述 | 第68页 |
| ·基于 FPGA 和 DSP 的手势识别系统 | 第68-74页 |
| ·系统的总体构成 | 第68-69页 |
| ·图像采集模块 | 第69-70页 |
| ·手势分割和识别模块 | 第70-73页 |
| ·结果输出模块 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 附录 | 第81-82页 |
| 攻读学位期间发表论文与研究成果清单 | 第82-83页 |
| 致谢 | 第83页 |
