1.4 本文主要内容和结构安排
1.4.1 主要内容概述
尽管基于视觉的手势识别研究已经取得了一定的研究成果，但是还有许多问题存在,特别在用于残障人士等对动态手势识别系统在实时性和鲁棒性方面的要求更高的医疗领域当中。本文通过参阅大量关于手势识别方面的资料，在已有的各种手势处理算法的基础上，对手势的目标分割、手势建模（特征向量）、识别算法以及手语语意等方面进行了研究并完成具体的实现。从而建立起一个完整的基于机器学习方法可用于人机交互的手势识别系统。
本文的研究重点放在两个方向。方向一在于手势建模上。在大量的资料文献中发现一种新的模型——HOG特征，该特征被用于行人检测领域，通过研究该特征发现其在光照适应性以及几何形变适应性上有较强的鲁棒性。因此本文采用该特征作为识别手势的一种度量；另一方向在于手势的识别分类上。在提取不同手势所对应的特征值后，如何利用该特征值进行手势的区分。这就要用到分类器。在本文的第四章中首先介绍了图像识别（分类）的一些相关理论，方法。本文系统的实现部分采用了有监督的支持向量机的分类方法，因此第四章的后半部分重点研究了支持向量机。
1.4.2 本文结构安排
本文的结构安排如下：
第一章    绪论。在绪论中主要介绍了课题研究的背景，当前手势识别的研究状况并对本文整体内容进行了简单的概述。
第二章     图像预处理与手势目标提取。本章简单的介绍基本的图像处理的基本知识，并使用图像分 割的方法将手势目标进行提取出来，从而为接下来的研究打好基奠。
第三章    HOG特征与手势特征提取。在本章中为了对手势进行建模，通过对特征提取进行了介绍后，提出使用HOG特征来作为描述手势的一种算子。在该章节中重点介绍了HOG特征的理论以及实现步骤。
第四章    手势识别与手势特征提取。本章首先介绍了图像识别与模式识别的关系。接着介绍了图像识别的过程、方法、训练方法。同时，在训练过程中可能发生的过度拟合以及不充分拟合问题进行了解释。本章第二部分为支持向量机。从分类思想到分类理论，着重对该分类器进行叙述。
第五章    手势识别系统的实现。本章利用前面章节的理论，完成具体的系统实现。从图像的处理到正负样本的获得，从特征值的获取到分类器的训练的完成，从系统的实现到手语的输出。本章将会对每一步进行介绍。
第优尔章    结论与展望。本章对全文进行一个总结，对系统的不足之处予以说明。同时也对手势识别领域予以展望。 手势识别系统的设计与实现(3):http://www.youerw.com/jisuanji/lunwen_31567.html