| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 手势识别的国内外研究进展和主要问题 | 第10-12页 |
| 1.3 可穿戴设备的应用现状和主要问题 | 第12-14页 |
| 1.4 本文研究内容 | 第14-16页 |
| 第二章 基于加速度传感器的手势识别关键技术 | 第16-24页 |
| 2.1 手势的定义以及选取 | 第16-17页 |
| 2.1.1 手势定义 | 第16-17页 |
| 2.1.2 手势动作选取 | 第17页 |
| 2.1.3 手势数据库采集 | 第17页 |
| 2.2 手势识别的处理流程 | 第17-18页 |
| 2.3 手势分割 | 第18-21页 |
| 2.3.1 传统手势分割算法介绍 | 第18-19页 |
| 2.3.2 基于改进的手势分割算法介绍 | 第19-20页 |
| 2.3.3 基于改进的手势分割算法的实验结果 | 第20-21页 |
| 2.4 信号滤波 | 第21-22页 |
| 2.5 手势特征的提取 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 手势识别算法 | 第24-45页 |
| 3.1 基于DTW的手势识别方法改进 | 第24-32页 |
| 3.1.1 动态规划 | 第24-26页 |
| 3.1.2 动态时间规整 | 第26-31页 |
| 3.1.3 手势模板库更新方案设计 | 第31页 |
| 3.1.4 实验结果及其分析 | 第31-32页 |
| 3.2 基于支持向量机的手势识别方法 | 第32-35页 |
| 3.2.1 线性问题的最优分类面 | 第32-33页 |
| 3.2.2 非线性问题的最优分类面 | 第33-34页 |
| 3.2.3 SVM分类算法的应用 | 第34-35页 |
| 3.2.4 SVM分类算法的实验结果 | 第35页 |
| 3.3 基于降维+分类的手势识别方法 | 第35-44页 |
| 3.3.1 降维算法研究 | 第36-38页 |
| 3.3.2 分类算法研究 | 第38-42页 |
| 3.3.3 实验结果及其分析 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 手势识别系统在可穿戴设备中的设计与实现 | 第45-53页 |
| 4.1 手势识别硬件平台 | 第45-46页 |
| 4.2 手势识别系统软件 | 第46-49页 |
| 4.2.1 手势识别系统软件框架设计 | 第46-47页 |
| 4.2.2 手势识别系统的手势数据库采集模块 | 第47-48页 |
| 4.2.3 动态手势识别系统的手势信号预处理和识别模块 | 第48-49页 |
| 4.2.4 手势识别系统个性化控制模块 | 第49页 |
| 4.3 动态手势识别系统的个性化控制应用场景 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 主要工作总结 | 第53页 |
| 5.2 未来研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者攻读硕士学位期间发表的学术论文 | 第61页 |