基于数据手套的手势识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 手势识别应用现状 | 第11-13页 |
| 1.2.2 手势识别研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-18页 |
| 第2章 数据采集和预处理 | 第18-28页 |
| 2.1 数据手套概述 | 第18-20页 |
| 2.2 数据预处理 | 第20-25页 |
| 2.2.1 采集数据归一化 | 第20-21页 |
| 2.2.2 数据的滤波处理 | 第21-25页 |
| 2.3 手势模板的选取 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 静态手势识别算法 | 第28-44页 |
| 3.1 BP神经网络 | 第28-33页 |
| 3.1.1 BP神经网络学习算法 | 第29-32页 |
| 3.1.2 BP算法的程序实现 | 第32-33页 |
| 3.2 支持向量机 | 第33-41页 |
| 3.2.1 支持向量机的基本原理 | 第34-38页 |
| 3.2.2 LS-SVM模型 | 第38-39页 |
| 3.2.3 支持向量机分类 | 第39-41页 |
| 3.3 模板匹配法 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于数据手套的手势识别 | 第44-70页 |
| 4.1 基于BP神经网络的手势识别 | 第44-55页 |
| 4.1.1 BP网络结构设计 | 第44-49页 |
| 4.1.2 BP神经网络的训练 | 第49-52页 |
| 4.1.3 BP神经网络的手势识别 | 第52-55页 |
| 4.2 基于支持向量机的手势识别 | 第55-62页 |
| 4.2.1 分类方法的选取 | 第55-57页 |
| 4.2.2 支持向量机的实验过程 | 第57-60页 |
| 4.2.3 实验结果 | 第60-62页 |
| 4.3 基于模板匹配法的手势识别 | 第62-66页 |
| 4.3.1 手势分析和阈值确定的实验过程 | 第63-65页 |
| 4.3.2 实验结果 | 第65-66页 |
| 4.4 实验结果比较 | 第66-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 手势对飞行器的姿态控制 | 第70-80页 |
| 5.1 四旋翼飞行器实验模型 | 第70-75页 |
| 5.1.1 四旋翼飞行器控制原理 | 第71-73页 |
| 5.1.2 飞行器控制命令 | 第73-75页 |
| 5.2 飞行器控制 | 第75-77页 |
| 5.3 实验过程讨论 | 第77-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86页 |
