| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究的背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 手势检测研究现状 | 第16-17页 |
| 1.2.2 手势跟踪研究现状 | 第17-18页 |
| 1.2.3 手势识别研究现状 | 第18-19页 |
| 1.3 手势识别领域研究的难点 | 第19页 |
| 1.4 本文的主要工作和结构安排 | 第19-21页 |
| 第二章 基于级联分类器和肤色模型的手势检测 | 第21-30页 |
| 2.1 引言 | 第21页 |
| 2.2 基于VIOLA-JONES级联分类器的目标检测 | 第21-24页 |
| 2.2.1 Harr-like特征和积分图像 | 第21-23页 |
| 2.2.2 AdaBoost级联分类器的训练 | 第23-24页 |
| 2.3 基于肤色模型的手势分割 | 第24-28页 |
| 2.3.1 常用色彩空间 | 第24-26页 |
| 2.3.2 基于YCbCr颜色空间的高斯肤色模型 | 第26-27页 |
| 2.3.3 滤波去噪及手势分割 | 第27-28页 |
| 2.4 实验结果及分析 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 改进的双层视觉模型手势跟踪 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 常用目标跟踪算法 | 第30-33页 |
| 3.2.1 Camshift算法 | 第30-31页 |
| 3.2.2 光流法 | 第31-32页 |
| 3.2.3 Kalman滤波 | 第32页 |
| 3.2.4 粒子滤波 | 第32-33页 |
| 3.3 双层视觉模型跟踪方法 | 第33-39页 |
| 3.3.1 局部层 | 第34-36页 |
| 3.3.2 局部层更新机制 | 第36页 |
| 3.3.3 全局层 | 第36-38页 |
| 3.3.4 目标跟踪步骤 | 第38-39页 |
| 3.4 改进的双层视觉模型的手势跟踪 | 第39-40页 |
| 3.5 实验结果及分析 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于互补形状特征的手势识别 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 手势形状特征提取 | 第44-50页 |
| 4.2.1 傅里叶描述子特征 | 第44-46页 |
| 4.2.2 Hu不变矩特征 | 第46-47页 |
| 4.2.3 实验结果与分析 | 第47-50页 |
| 4.3 基于BP神经网络的分类器设计 | 第50-53页 |
| 4.3.1 BP神经网络结构 | 第50-51页 |
| 4.3.2 BP神经网络设计与参数讨论 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 机器人手势交互系统实现 | 第54-58页 |
| 5.1 引言 | 第54页 |
| 5.2 系统软硬件平台概述 | 第54页 |
| 5.3 手势识别方案设计及实现 | 第54-56页 |
| 5.4 实验结果及分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |