基于深度图像的人手关节点识别
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·论文的主要工作和组织结构 | 第12-15页 |
| 第2章 深度图像的人手检测 | 第15-26页 |
| ·深度图像的采集与预处理 | 第15-19页 |
| ·深度图像的采集 | 第16-17页 |
| ·深度图像的预处理 | 第17-19页 |
| ·分类器的训练 | 第19-20页 |
| ·人手检测 | 第20-25页 |
| ·图像金字塔 | 第20-21页 |
| ·深度图像的人手检测 | 第21-24页 |
| ·检测结果的生成 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 样本集的创建和特征提取 | 第26-35页 |
| ·样本集的创建 | 第26-29页 |
| ·人手部位的划分 | 第26-28页 |
| ·部位的真值标注 | 第28-29页 |
| ·深度特征的提取 | 第29-34页 |
| ·深度比较特征 | 第30-31页 |
| ·改进的深度比较特征 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 随机森林的训练与部位识别 | 第35-47页 |
| ·随机森林算法原理 | 第35-37页 |
| ·决策树 | 第35-37页 |
| ·随机森林 | 第37页 |
| ·随机森林分类器的离线训练 | 第37-43页 |
| ·部位识别的离线训练 | 第37-40页 |
| ·训练参数的测试与分析 | 第40-43页 |
| ·深度特征的比较测试 | 第43-45页 |
| ·部位分类识别 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 关节点识别 | 第47-57页 |
| ·Mean Shift 算法 | 第47-49页 |
| ·Mean Shift 向量 | 第47-48页 |
| ·Mean Shift 算法 | 第48-49页 |
| ·部位的关节点识别 | 第49-50页 |
| ·实验测试 | 第50-56页 |
| ·实验定性分析 | 第51-53页 |
| ·实验定量分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士研究生期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65-66页 |
| 详细摘要 | 第66-70页 |
