基于加速度传感器的乒乓球动作识别技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-15页 |
| 1.1. 课题的研究背景和意义 | 第8-9页 |
| 1.2. 乒乓球机器人国内外研究现状 | 第9-12页 |
| 1.3. 动作识别研究方法 | 第12-13页 |
| 1.3.1. 人工神经网络算法 | 第12页 |
| 1.3.2. 模板匹配识别算法 | 第12-13页 |
| 1.4. 本文研究工作及创新点 | 第13页 |
| 1.5. 本文主要内容及组织结构 | 第13-15页 |
| 1.5.1. 主要内容 | 第13页 |
| 1.5.2. 组织结构 | 第13-15页 |
| 第二章 系统总体设计 | 第15-21页 |
| 2.1. 系统结构及硬件设计 | 第15-16页 |
| 2.2. 信号预处理 | 第16-17页 |
| 2.2.1. 滤波 | 第16页 |
| 2.2.2. 动作端点检测 | 第16-17页 |
| 2.3. 特征提取 | 第17-18页 |
| 2.4. 动作分类 | 第18-20页 |
| 2.5. 小结 | 第20-21页 |
| 第三章 基于k-NN和决策树算法的击球动作识别 | 第21-29页 |
| 3.1. k-NN算法介绍 | 第21-23页 |
| 3.1.1. k-NN算法原理 | 第21-22页 |
| 3.1.2. k-NN算法优缺点 | 第22-23页 |
| 3.2. 决策树算法简介 | 第23-25页 |
| 3.2.1. 决策树算法原理 | 第23-24页 |
| 3.2.2. 决策树算法优缺点 | 第24-25页 |
| 3.3. 融合k-NN的决策树算法介绍 | 第25-27页 |
| 3.4. 实验结果分析 | 第27-28页 |
| 3.5. 小结 | 第28-29页 |
| 第四章 基于DTW算法的击球动作识别 | 第29-35页 |
| 4.1. 动态时间规整算法 | 第29-30页 |
| 4.2. 动态时间规整算法改进 | 第30-32页 |
| 4.3. 实验结果分析 | 第32-33页 |
| 4.4. 小结 | 第33-35页 |
| 第五章 基于SVM算法的击球动作识别 | 第35-44页 |
| 5.1. 支持向量机算法简介 | 第35-39页 |
| 5.1.1. 线性支持向量机 | 第36-38页 |
| 5.1.2. 非线性支持向量机 | 第38-39页 |
| 5.2. SVM在乒乓球动作识别中的应用 | 第39-41页 |
| 5.3. 实验结果分析 | 第41-43页 |
| 5.4. 分类识别算法分析比较 | 第43页 |
| 5.5. 小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 6.1. 总结 | 第44页 |
| 6.2. 展望 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 攻读学位期间的主要研究成果 | 第51-52页 |
| 致谢 | 第52页 |
