基于卷积神经网络的手势识别算法研究

目录

声明

第1章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于传感器设备手势识别研究现状

1.2.2 基于视觉手势识别研究现状

1.3.1 卷积神经网络发展历程

1.3.2 卷积神经网络在手势识别中的应用

1.3.3 技术研究难点

1.4 本文主要研究内容及结构安排

第2章 相关理论基础

2.1 引言

2.2 人工神经网络模型

2.2.1 神经元概念

2.2.2 多层神经网络

2.2.3 反向传播算法

2.3 卷积神经网络基本理论

2.3.1 卷积神经网络结构

2.3.2 局部连接和权值共享

2.4 手势识别

2.4.1 传统静态手势识别方法

2.4.2 基于卷积神经网络的静态手势识别方法

2.5 本章小结

第3章 基于改进卷积神经网络的手势识别研究

3.1 引言

3.2 数据集的采集

3.2.1 常用手势数据库

3.2.2 自建手势数据库

3.3 运动目标前景检测

3.3.1 帧间差分法

3.3.2 光流法

3.3.3 背景差分法

3.3.4 改进背景差分法

3.3.5 图像形态学处理

3.4.1 经典Lenet-5网络结构

3.4.2 改进Lenet-5网络结构

3.5 防止过拟合

3.6.1 实验环境

3.6.2 实验数据预处理

3.7 实验对比分析

3.7.1 前景检测算法对比实验

3.7.2 网络结构对比实验

3.7.3 数据扩充对比实验

3.7.4 Dropout系数实验

3.7.5 不同识别算法对比实验

3.8 本章小结

第4章 基于迁移学习的神经网络在手势识别中的研究

4.1 引言

4.2 迁移学习

4.2.1 迁移学习的概念及优势

4.2.2 迁移学习的分类

4.3 网络结构及激活函数的选择

4.4 迁移学习在Caffenet网络中的应用

4.5 实验对比分析

4.5.1 迁移学习算法对比实验

4.5.2 激活函数对比实验

4.5.3 优化算法对比实验

4.5.4 不同识别算法对比

4.6 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢