| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 手势识别的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本论文的主要研究内容与结构安排 | 第13-16页 |
| 第二章 手势采集设备及识别技术分析 | 第16-26页 |
| 2.1 MYO传感器简介及数据输出特点 | 第16-19页 |
| 2.2 手势识别技术分析 | 第19-24页 |
| 2.2.1 动态时间规整算法 | 第19-20页 |
| 2.2.2 稀疏表示算法 | 第20-22页 |
| 2.2.3 HMM基本理论 | 第22-23页 |
| 2.2.4 HMM算法在手势识别上的改进 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于肌电信号的手形手势识别方法 | 第26-40页 |
| 3.1 EMG信号预处理及数据分割 | 第26-29页 |
| 3.2 EMG特征提取 | 第29-31页 |
| 3.3 基于DTW的模版匹配识别方法 | 第31-35页 |
| 3.3.1 DTW算法 | 第31-32页 |
| 3.3.2 模版制作 | 第32-35页 |
| 3.4 实验结果与数据分析 | 第35-39页 |
| 3.4.1 实验数据采集 | 第35-37页 |
| 3.4.2 端点检测结果 | 第37页 |
| 3.4.3 手势识别结果 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于肌电信号和加速度信号的动态手势识别 | 第40-54页 |
| 4.1 手势识别系统 | 第40-41页 |
| 4.2 基于协作表示分类器的姿态手势识别 | 第41-44页 |
| 4.2.1 创建字典 | 第41-42页 |
| 4.2.2 协作稀疏表示分类器 | 第42-44页 |
| 4.3 KNN识别手形的K值选取 | 第44-46页 |
| 4.3.1 交叉验证 | 第45页 |
| 4.3.2 K值选取 | 第45-46页 |
| 4.4 基于协作稀疏表示算法的加速度识别结果及分析 | 第46-49页 |
| 4.4.1 实验 | 第46页 |
| 4.4.2 探究维数及训练样本个数对姿态手势识别率的影响 | 第46-49页 |
| 4.5 融合加速度和肌电信号的手势识别 | 第49-51页 |
| 4.6 本章小结 | 第51-54页 |
| 第五章 动态手势识别系统界面设计 | 第54-60页 |
| 5.1 手势库采集 | 第54-55页 |
| 5.2 系统运行环境及软件开发 | 第55-56页 |
| 5.3 手势识别界面整体框架 | 第56-58页 |
| 5.4 动态手势识别效果 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录 | 第68-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72页 |