| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·手势识别技术概述 | 第11-13页 |
| ·手势识别技术的分类 | 第11-13页 |
| ·手势动作的类别划分 | 第13页 |
| ·基于视觉的手势识别技术概述 | 第13-15页 |
| ·基于表面肌电信号SEMG 的手势识别技术概述 | 第15-16页 |
| ·本课题研究内容及研究意义 | 第16-19页 |
| ·研究内容 | 第16-17页 |
| ·研究意义 | 第17-19页 |
| 第二章 基于视觉的手势识别研究 | 第19-31页 |
| ·基于视觉的手势识别概述 | 第19-21页 |
| ·手势动作的预定义 | 第19-21页 |
| ·视觉手势动作的分割与轮廓提取 | 第21-22页 |
| ·视觉手势建模与特征提取 | 第22-28页 |
| ·轮廓的多边形傅立叶描述子 | 第23-25页 |
| ·基于自适应模板半径的形状上下文描述子 | 第25-28页 |
| ·视觉手势动作的分类与识别 | 第28-30页 |
| ·贝叶斯线性分类器 | 第28-29页 |
| ·最近邻分类器 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于SEMG 信号的手势识别研究 | 第31-40页 |
| ·手势动作EMG 模式识别概述 | 第31-32页 |
| ·表面肌电信号的预处理方法 | 第32-34页 |
| ·活动段检测算法 | 第34-35页 |
| ·特征提取方法 | 第35-38页 |
| ·信号幅值绝对值的平均值(MAV) | 第36页 |
| ·AR 模型系数特征 | 第36-38页 |
| ·模式识别算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于视觉与肌电的手势融合方法 | 第40-48页 |
| ·多传感信息融合概述 | 第40-41页 |
| ·肌电与视觉结合的手势动作的分割 | 第41-43页 |
| ·基于视觉与肌电信号手势识别的融合方法 | 第43-46页 |
| ·串行特征融合方法 | 第43页 |
| ·基于D-S 证据理论的决策融合方法 | 第43-46页 |
| ·本章小节 | 第46-48页 |
| 第五章 实验结果及分析 | 第48-57页 |
| ·数据采集实验方案 | 第48-50页 |
| ·SEMG 特征提取与识别实验结果及分析 | 第50-51页 |
| ·SEMG 预处理与活动段检测 | 第50页 |
| ·特征提取与识别 | 第50-51页 |
| ·视觉手势特征提取与识别试验及结果分析 | 第51-54页 |
| ·形状上下文描述子 | 第51-53页 |
| ·多边形傅立叶描述子 | 第53-54页 |
| ·融合算法试验与结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 基于视觉与肌电的手势动作信号采集、识别系统 | 第57-63页 |
| ·系统简介 | 第57-58页 |
| ·系统硬件设备及参数 | 第58-59页 |
| ·系统软件设计及实现 | 第59-62页 |
| ·系统功能任务 | 第59-60页 |
| ·系统软件界面设计 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| ·论文总结 | 第63-64页 |
| ·工作展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 致谢 | 第71页 |