基于机器人视觉的手势识别关键技术的研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 研究内容与目标 | 第13-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第2章 手势识别相关研究理论 | 第17-28页 |
| 2.1 手势区域分割 | 第17-19页 |
| 2.1.1 增加限制条件 | 第18页 |
| 2.1.2 肤色模型法 | 第18页 |
| 2.1.3 轮廓跟踪法 | 第18-19页 |
| 2.2 手势建模 | 第19-20页 |
| 2.2.1 基于 3D手的手势模型 | 第19页 |
| 2.2.2 基于表观的手势模型 | 第19-20页 |
| 2.3 手势特征提取 | 第20-25页 |
| 2.3.1 Hu矩 | 第20-21页 |
| 2.3.2 Bit BP特征 | 第21-22页 |
| 2.3.3 梯度方向直方图(HOG) | 第22-24页 |
| 2.3.4 光流法(Optical Flow) | 第24-25页 |
| 2.4 手势识别 | 第25-27页 |
| 2.4.1 模版匹配 | 第25页 |
| 2.4.2 学习算法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于改进的TLD算法的手势跟踪算法 | 第28-53页 |
| 3.1 TLD跟踪算法 | 第28-46页 |
| 3.1.1 算法原理 | 第28-30页 |
| 3.1.2 金字塔LK算法 | 第30-34页 |
| 3.1.3 FERN分类器 | 第34-38页 |
| 3.1.4 学习模块 | 第38-41页 |
| 3.1.5 实验结果及分析 | 第41-46页 |
| 3.2 改进的TLD多目标手势跟踪算法 | 第46-51页 |
| 3.2.1 改进的算法流程 | 第46-47页 |
| 3.2.2 输入图像 | 第47页 |
| 3.2.3 扫描窗口 | 第47-48页 |
| 3.2.4 改进级联分类器 | 第48-49页 |
| 3.2.5 实验结果及分析 | 第49-51页 |
| 3.3 本章小结 | 第51-53页 |
| 第4章 基于CW-RNNs算法的手势识别 | 第53-73页 |
| 4.1 循环神经网络 | 第53-57页 |
| 4.1.1 算法原理 | 第54-57页 |
| 4.2 时钟频率驱动循环神经网络 | 第57-70页 |
| 4.2.1 算法原理 | 第58页 |
| 4.2.2 推导过程 | 第58-60页 |
| 4.2.3 实现步骤 | 第60-64页 |
| 4.2.4 实验结果及分析 | 第64-70页 |
| 4.3 本章小结 | 第70-73页 |
| 第5章 手势识别原型系统 | 第73-77页 |
| 5.1 手势识别原型系统框架 | 第73-74页 |
| 5.1.1 系统概述 | 第73页 |
| 5.1.2 系统框架 | 第73-74页 |
| 5.2 实验平台介绍 | 第74-77页 |
| 5.2.1 硬件平台 | 第74-75页 |
| 5.2.2 软件平台 | 第75-76页 |
| 5.2.3 实验测试数据集 | 第76-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 6.1 工作总结 | 第77页 |
| 6.2 研究展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第87页 |
