基于惯性传感器的手势交互方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 章节安排 | 第17-18页 |
| 第二章 传统手势交互方法分析 | 第18-25页 |
| 2.1 传统手势训练过程 | 第18-19页 |
| 2.2 传统手势识别过程 | 第19-22页 |
| 2.2.1 隐马尔可夫模型 | 第19-20页 |
| 2.2.2 人工神经网络 | 第20-22页 |
| 2.2.3 基于模板匹配的手势识别 | 第22页 |
| 2.3 改进的手势交互方法整体框架 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于改进DTW算法的手势训练方法 | 第25-41页 |
| 3.1 问题描述 | 第25-29页 |
| 3.1.1 传统手势训练方法的不足 | 第25页 |
| 3.1.2 DTW算法的优势 | 第25-27页 |
| 3.1.3 基于近邻传播聚类算法的优势 | 第27-29页 |
| 3.2 CDTW算法结构框架 | 第29-33页 |
| 3.2.1 手势数据预处理 | 第30-32页 |
| 3.2.2 典型样本集的生成 | 第32-33页 |
| 3.2.3 典型手势特征的提取 | 第33页 |
| 3.3 CDTW算法实现 | 第33-40页 |
| 3.3.1 样本聚类 | 第34-38页 |
| 3.3.2 主轴判断 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于压缩感知的手势识别方法 | 第41-57页 |
| 4.1 问题描述 | 第41-45页 |
| 4.1.1 传统手势识别方法的不足与改进方式 | 第41页 |
| 4.1.2 压缩感知方法的理论基础 | 第41-44页 |
| 4.1.3 随机映射算法的优势 | 第44-45页 |
| 4.2 基于压缩感知的识别算法框架 | 第45-52页 |
| 4.2.1 识别算法的具体框架描述 | 第45-50页 |
| 4.2.2 手势动作信号运用压缩感知的约束条件 | 第50-52页 |
| 4.3 识别算法实现 | 第52-56页 |
| 4.3.1 数据预处理 | 第53-54页 |
| 4.3.2 压缩采样 | 第54-55页 |
| 4.3.3 信号重构及归类 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 原型及测试 | 第57-67页 |
| 5.1 实验方案 | 第57-59页 |
| 5.1.1 实验平台搭建 | 第57-58页 |
| 5.1.2 实验手势集 | 第58-59页 |
| 5.2 实验结果及分析 | 第59-66页 |
| 5.2.1 效率分析 | 第61-62页 |
| 5.2.2 识别准确率分析 | 第62-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 论文展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的成果 | 第74-75页 |
