| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 手势识别背景及研究意义 | 第8-9页 |
| 1.2 手势识别发展历史与现状 | 第9-10页 |
| 1.3 手势识别研究难点 | 第10-11页 |
| 1.4 本文的主要研究内容 | 第11-13页 |
| 2 手势识别系统基础知识 | 第13-26页 |
| 2.1 手势建模 | 第14-15页 |
| 2.1.1 D模型手势建模 | 第14-15页 |
| 2.1.2 基于表观的手势建模 | 第15页 |
| 2.2 手势分析 | 第15-25页 |
| 2.2.1 图像去噪 | 第16页 |
| 2.2.2 图像光平衡 | 第16-18页 |
| 2.2.3 图像分割 | 第18-19页 |
| 2.2.4 图像二值化 | 第19-20页 |
| 2.2.5 图像轮廓提取 | 第20-22页 |
| 2.2.6 图像特征提取 | 第22-25页 |
| 2.3 手势识别 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 手势检测与跟踪 | 第26-35页 |
| 3.1 手势检测 | 第26-29页 |
| 3.1.1 颜色特征检测法 | 第26-27页 |
| 3.1.2 背景差分法 | 第27-28页 |
| 3.1.3 帧间差分法 | 第28-29页 |
| 3.2 手势跟踪 | 第29-34页 |
| 3.2.1 基于运动估计的跟踪 | 第29-30页 |
| 3.2.2 基于相关的跟踪 | 第30-31页 |
| 3.2.3 基于特征的跟踪 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 深度学习 | 第35-45页 |
| 4.1 深度学习基本理论 | 第35-37页 |
| 4.1.1 深度学习研究基础 | 第35-36页 |
| 4.1.2 深度学习研究现状 | 第36-37页 |
| 4.1.3 深度学习常用模型 | 第37页 |
| 4.2 受限的玻尔兹曼机RBM | 第37-41页 |
| 4.2.1 RBM的结构介绍 | 第38-40页 |
| 4.2.2 RBM的Gibbs采样 | 第40页 |
| 4.2.3 RBM中对比散度学习算法 | 第40-41页 |
| 4.3 深度信念网络模型 | 第41-44页 |
| 4.3.1 DBN数据训练和调优 | 第41-43页 |
| 4.3.2 DBN数据分类 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 手势识别实验结果分析与对比 | 第45-61页 |
| 5.1 基于SVM的手势识别模型 | 第45-54页 |
| 5.1.1 SVM基本原理 | 第45-50页 |
| 5.1.2 基于SVM的手势识别系统流程 | 第50-51页 |
| 5.1.3 基于SVM的手势识别系统结果及分析 | 第51-54页 |
| 5.2 基于深度学习的手势识别模型 | 第54-60页 |
| 5.2.1 图像数据整合 | 第54-56页 |
| 5.2.2 伯努利-伯努利深度学习模型基本流程 | 第56-57页 |
| 5.2.3 伯努利-伯努利深度学习模型实验结果及分析 | 第57-58页 |
| 5.2.4 高斯-伯努利深度学习模型基本流程 | 第58-59页 |
| 5.2.5 高斯-伯努利深度学习模型实验结果及分析 | 第59-60页 |
| 5.3 实验结果对比与分析 | 第60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |