| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 研究内容 | 第10-12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关技术 | 第15-25页 |
| 2.1 手势的基本概念 | 第15页 |
| 2.2 基于计算机视觉的识别 | 第15-19页 |
| 2.2.1 粒子滤波 | 第16-17页 |
| 2.2.2 有限状态机 | 第17-18页 |
| 2.2.3 联结方法 | 第18-19页 |
| 2.3 基于表面肌电信号的识别 | 第19-20页 |
| 2.4 手势识别的应用 | 第20-21页 |
| 2.4.1 虚拟操作 | 第20页 |
| 2.4.2 掌纹验证 | 第20-21页 |
| 2.4.3 人机交互 | 第21页 |
| 2.5 智能手表平台介绍 | 第21-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第三章 基于加速度的手势识别算法研究 | 第25-43页 |
| 3.1 数据符号定义 | 第25-26页 |
| 3.2 数据预处理 | 第26-31页 |
| 3.2.1 数据标准化 | 第26-27页 |
| 3.2.2 平滑滤波 | 第27-28页 |
| 3.2.3 数据截取 | 第28-30页 |
| 3.2.4 矢量量化 | 第30-31页 |
| 3.3 基于动态时间规整的识别 | 第31-34页 |
| 3.3.1 基本原理 | 第31-34页 |
| 3.3.2 模型训练与识别 | 第34页 |
| 3.4 基于隐马尔可夫模型的识别 | 第34-41页 |
| 3.4.1 基本原理 | 第34-36页 |
| 3.4.2 基于Baum-Welch算法的模型训练 | 第36-40页 |
| 3.4.3 基于Viterbi算法的识别过程 | 第40-41页 |
| 3.5 无效手势的判定 | 第41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 基于Ticwatch的手势识别系统的实现 | 第43-59页 |
| 4.1 系统需求分析 | 第43-44页 |
| 4.2 系统设计与实现 | 第44-57页 |
| 4.2.1 数据采集子系统 | 第45-47页 |
| 4.2.2 模型训练子系统 | 第47-56页 |
| 4.2.3 识别子系统 | 第56-57页 |
| 4.3 本章小结 | 第57-59页 |
| 第五章 实验过程及结果 | 第59-65页 |
| 5.1 实验设计 | 第59-60页 |
| 5.2 结果分析 | 第60-63页 |
| 5.2.1 用户相关检测分析 | 第61页 |
| 5.2.2 用户无关检测分析 | 第61-62页 |
| 5.2.3 数据量的影响分析 | 第62-63页 |
| 5.2.4 延迟分析 | 第63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 总结和展望 | 第65-69页 |
| 6.1 论文工作总结 | 第65-66页 |
| 6.2 论文改进方向 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |