融合深度数据的手势识别算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 课题研究现状分析 | 第9-12页 |
| 1.2.1 课题研究现状 | 第9-11页 |
| 1.2.2 分析与总结 | 第11-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 第2章 手势识别基础理论 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 相关理论研究 | 第14-16页 |
| 2.2.1 手势分割 | 第14-15页 |
| 2.2.2 特征提取 | 第15页 |
| 2.2.3 分类算法比较 | 第15-16页 |
| 2.3 像素点分类算法 | 第16-18页 |
| 2.3.1 决策树模型 | 第16-17页 |
| 2.3.2 随机森林算法 | 第17-18页 |
| 2.4 手势分类算法 | 第18-19页 |
| 2.5 手势识别框架设计 | 第19-20页 |
| 2.6 本章小结 | 第20-22页 |
| 第3章 手关节点定位算法 | 第22-30页 |
| 3.1 引言 | 第22页 |
| 3.2 Kinect深度摄像头 | 第22-23页 |
| 3.3 基于随机森林的手关节点定位 | 第23-29页 |
| 3.3.1 标注深度图像 | 第23-25页 |
| 3.3.2 深度特征提取 | 第25-26页 |
| 3.3.3 随机森林分类器参数设计 | 第26-29页 |
| 3.3.4 关节点定位 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于支持向量机的手势分类 | 第30-42页 |
| 4.1 引言 | 第30页 |
| 4.2 手模型运动特征提取 | 第30-33页 |
| 4.2.1 特征向量构造 | 第31页 |
| 4.2.2 特征选择 | 第31-33页 |
| 4.3 基于SVM的手势识别 | 第33-41页 |
| 4.3.1 二分类支持向量机 | 第33-36页 |
| 4.3.2 多分类SVM算法 | 第36-38页 |
| 4.3.3 参数设置 | 第38-39页 |
| 4.3.4 算法仿真 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 实验系统设计与算法测试 | 第42-53页 |
| 5.1 引言 | 第42页 |
| 5.2 实验环境及数据采集 | 第42-44页 |
| 5.2.1 实验环境 | 第42页 |
| 5.2.2 数据采集 | 第42-44页 |
| 5.3 关节点定位算法性能分析 | 第44-45页 |
| 5.4 基于SVM手势识别算法的训练与测试 | 第45-52页 |
| 5.4.1 数据预处理 | 第45-46页 |
| 5.4.2 数据降维 | 第46-48页 |
| 5.4.3 参数设置 | 第48-50页 |
| 5.4.4 结果对比 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
