第1章 引言 1
1.1 研究背景 1
1.2 研究意义 6
1.3 国内外研究现状 7
1.3.1 手部检测 9
1.3.2 手部跟踪 12
1.3.3 静态手势识别 17
1.3.4 动态手势识别 19
1.4 本文工作和主要贡献 22
1.5 本文结构安排 29
第2章 手部检测 30
2.1 基于混合特征的手部检测 31
2.1.1 手部颜色特征 31
2.1.2 Haar-like特征 33
2.1.3 Boost分类器 36
2.1.4 融合肤色信息的Haar特征 42
2.1.5 实验数据分析 43
2.2 基于HOG的左右手识别 47
2.2.1 梯度方向直方图（HOG） 49
2.2.2 主成分分析（PCA） 52
2.2.3 特征分类 56
2.2.4 实验与分析 58
2.3 结论 64
第3章 手部跟踪 66
3.1 Mean-shift简介 67
3.1.1 核函数 68
3.1.2 Mean-shift向量形式 69
3.1.3 Mean-shift概率密度梯度证明 70
3.1.4 Mean-shift算法优缺点 72
3.2 Mean-shift跟踪算法 72
3.2.1 目标特征提取 74
3.2.2 相似度度量 76
3.2.3 搜索策略 78
3.3 混合特征手部跟踪SHS （SIFT-Hist-Shift） 78
3.3.1 连续混合特征手部跟踪CASHS （Continuously Adaptive SHS） 83
3.4 实验数据分析 85
3.5 结论 91
第4章 手势识别：静态手势 92
4.1 SIFT （SIFT-Hist-Shift）特征向量 93
4.2 尺度空间极值检测 94
4.2.1 关键点定位 98
4.2.2 关键点方向确定 100
4.2.3 特征向量生成 102
4.2.4 特征匹配 104
4.3 基于多特征融合的手势识别 105
4.4 实验结果和分析 107
4.5 结论 113
第5章 手势识别：动态手势 115
5.1 预备知识：模糊集合和手势 116
5.1.1 模糊集合 116
5.1.2 手势的模糊性 117
5.1.3 模糊集描述的手势 118
5.2 基于FCRFs（Fuzzy based Condition Random Fields）的手势标注 122
5.2.1 条件随机场CRFs（Condition Random Fields） 122
5.2.2 模糊条件随机场FCRFs （Fuzzy based Condition Random Fields） 123
5.2.3 实验和分析 126
5.2.4 小结 137
5.3 基于FLDCRFs（Fuzzy based Latent-dynamic Condition Random Fields）的手势识别 137
5.3.1 隐动态条件随机场LDCRFs （Latent-dynamic Condition Random Fields） 138
5.3.2 模糊隐动态条件随机场FLDCRFs （Fuzzy bas-ed Latent-dynamic Condition Random Fields） 139
5.3.3 实验和分析 144
5.3.4 小结 151
5.4 结论 152
第6章 结论与展望 153
6.1 研究内容总结 153
6.2 下一步研究和展望 158
参考文献 162