| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究的背景与意义 | 第11-12页 |
| 1.2 手势识别的定义与分类 | 第12-13页 |
| 1.3 手势识别国内外研究现状 | 第13-14页 |
| 1.4 手势识别技术的应用 | 第14-15页 |
| 1.5 本文的主要工作及章节安排 | 第15-17页 |
| 第2章 序列图像中手势识别技术方法 | 第17-29页 |
| 2.1 手势建模 | 第17-19页 |
| 2.1.1 基于3D的手势建模 | 第18页 |
| 2.1.2 基于表观的手势模型 | 第18-19页 |
| 2.1.3 两种模型的比较 | 第19页 |
| 2.2 手势检测与跟踪 | 第19-22页 |
| 2.2.1 手势检测与分割 | 第19-21页 |
| 2.2.2 手势跟踪 | 第21-22页 |
| 2.3 手势特征提取 | 第22-25页 |
| 2.4 手势识别 | 第25-28页 |
| 2.4.1 静态手势识别 | 第25-26页 |
| 2.4.2 动态手势识别 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 视频序列中的手势检测 | 第29-47页 |
| 3.1 基于YCbCr-HSV双颜色空间的肤色检测 | 第29-37页 |
| 3.1.1 彩色空间介绍 | 第30-32页 |
| 3.1.2 肤色聚类效果比较 | 第32-33页 |
| 3.1.3 肤色建模 | 第33-35页 |
| 3.1.4 YCbCr-HSV双颜色空间的肤色建模 | 第35-37页 |
| 3.2 基于背景更新的运动手势检测 | 第37-39页 |
| 3.2.1 背景模型 | 第38页 |
| 3.2.2 运动检测 | 第38-39页 |
| 3.2.3 背景模型更新方法 | 第39页 |
| 3.3 形态学处理 | 第39-41页 |
| 3.4 边缘检测与轮廓提取 | 第41-42页 |
| 3.5 融合双颜色模型与运动信息的手势检测 | 第42-44页 |
| 3.6 实验结果与分析 | 第44-45页 |
| 3.7 小结 | 第45-47页 |
| 第4章 基于改进Camshift算法的手势跟踪 | 第47-63页 |
| 4.1 Camshift手势跟踪算法 | 第48-54页 |
| 4.1.1 颜色概率模型 | 第48-50页 |
| 4.1.2 Mean Shift算法 | 第50-51页 |
| 4.1.3 Camshift算法 | 第51-52页 |
| 4.1.4 算法的实验流程及实验结果 | 第52-54页 |
| 4.2 Camshift算法与基于帧间差分法结合 | 第54-55页 |
| 4.3 Kalman滤波与Camshift算法相结合 | 第55-58页 |
| 4.3.1 离散Kalman滤波器 | 第55-57页 |
| 4.3.2 Kalman运动预测 | 第57页 |
| 4.3.3 基于Kalman滤波和Camshift算法的手势跟踪 | 第57-58页 |
| 4.4 基于帧间差分和Kalman滤波的Camshift手势跟踪算法 | 第58-60页 |
| 4.5 本章小结 | 第60-63页 |
| 第5章 序列图像中的手势识别 | 第63-81页 |
| 5.1 手势特征提取 | 第63-67页 |
| 5.1.1 基于傅里叶描述子的特征提取 | 第63-65页 |
| 5.1.2 基于矩不变量的特征提取 | 第65-67页 |
| 5.2 基于几何矩和傅立叶特征组合的静态手势识别 | 第67-71页 |
| 5.2.1 距离度量和最近邻分类 | 第67-68页 |
| 5.2.2 静态手势识别算法及实验 | 第68-71页 |
| 5.3 动态手势识别 | 第71-79页 |
| 5.3.1 基于中心矩的动态手势特征提取 | 第71-72页 |
| 5.3.2 包含手形的动态手势识别 | 第72-73页 |
| 5.3.3 包含手形的手语识别的实验及结果分析 | 第73-79页 |
| 5.4 小结 | 第79-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |
