| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 选题背景和研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 基于数据手套的手语识别技术 | 第13-14页 |
| 1.2.2 基于视觉的手语识别技术 | 第14-16页 |
| 1.3 本文内容安排 | 第16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 手掌手势定位 | 第17-35页 |
| 2.1 HAA特征及特征值计算 | 第17-21页 |
| 2.1.1 HAAR特征 | 第17页 |
| 2.1.2 HAAR特征的数量 | 第17-20页 |
| 2.1.3 HAAR特征值的计算—积分图像 | 第20-21页 |
| 2.2 ADABOOST算法训练手掌手势分类器 | 第21-26页 |
| 2.2.1 ADABOOST算法原理 | 第21-22页 |
| 2.2.2 用HAAR特征构造手掌弱分类器 | 第22-23页 |
| 2.2.3 用ADABOOST算法训练强分类器 | 第23-24页 |
| 2.2.4 层叠分类器 | 第24-26页 |
| 2.3 基于YCBCR的单高斯肤色模型 | 第26-34页 |
| 2.3.1 YCBCR颜色空间 | 第26页 |
| 2.3.2 单高斯肤色模型 | 第26-32页 |
| 2.3.3 基于HAAR特征和单高斯肤色模型的手势检测算法 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 手势跟踪 | 第35-45页 |
| 3.1 常见的手势检测与跟踪算法 | 第35-37页 |
| 3.1.1 背景差分法 | 第35-36页 |
| 3.1.2 帧间相差法 | 第36-37页 |
| 3.1.3 光流法 | 第37页 |
| 3.2 本文手势检测与跟踪算法 | 第37-43页 |
| 3.2.1 CAMSHIFT算法原理 | 第38-39页 |
| 3.2.2 KALMAN滤波器算法原理 | 第39-40页 |
| 3.2.3 结合CAMSHIFT和KALMAN滤波的手势跟踪算法 | 第40-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第4章 手势特征提取与识别 | 第45-53页 |
| 4.1 手势特征提取 | 第45-47页 |
| 4.1.1 手势整体特征 | 第45-46页 |
| 4.1.2 手势细节特征 | 第46-47页 |
| 4.2 手势识别 | 第47-52页 |
| 4.2.1 图像识别概述 | 第47-48页 |
| 4.2.2 图像识别方法分析 | 第48-51页 |
| 4.2.3 基于特征模板和欧氏距离的手势识别算法 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 基于视觉的手语识别系统实现 | 第53-62页 |
| 5.1 系统实现软硬件环境 | 第53-54页 |
| 5.2 系统功能设计与实现 | 第54-56页 |
| 5.2.1 系统模块 | 第54-55页 |
| 5.2.2 系统界面设计 | 第55-56页 |
| 5.3 系统运行演示与结果分析 | 第56-61页 |
| 5.3.1 系统运行演示 | 第56-60页 |
| 5.3.2 运行结果分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的论文 | 第69页 |