基于隐性马尔科夫模型的分组手势识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-13页 |
| 1.2.1 基于HMM的手势识别研究现状 | 第12页 |
| 1.2.2 基于HMM的实时手势识别研究现状 | 第12-13页 |
| 1.2.3 研究现状分析 | 第13页 |
| 1.3 主要研究内容及章节安排 | 第13-15页 |
| 第2章 分组手势识别相关理论基础 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 MEMS加速度计原理 | 第15-16页 |
| 2.3 K -MEAN S++算法原理 | 第16-18页 |
| 2.4 DTW算法原理 | 第18-21页 |
| 2.5 HMM的基本原理 | 第21-26页 |
| 2.5.1 马尔科夫链 | 第21-23页 |
| 2.5.2 HMM的定义 | 第23页 |
| 2.5.3 HMM的三个基本问题 | 第23-24页 |
| 2.5.4 HMM的三个基本算法 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 分组手势识别系统设计 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 分组模型的提出及整体方案 | 第27-29页 |
| 3.2.1 分组模型的提出 | 第27-28页 |
| 3.2.2 方法整体方案 | 第28-29页 |
| 3.3 数据的采集及预处理 | 第29-36页 |
| 3.3.1 手势数据的平滑滤波 | 第30-32页 |
| 3.3.2 基于FBGD改进的手势数据截取方法 | 第32-34页 |
| 3.3.3 手势有效性判断 | 第34-35页 |
| 3.3.4 手势数据重采样及归一化处理 | 第35-36页 |
| 3.4 手势训练流程 | 第36-39页 |
| 3.4.1 基于K-means++的手势分组方法 | 第37-38页 |
| 3.4.2 分组模型的建立 | 第38-39页 |
| 3.4.3 HMM的建立 | 第39页 |
| 3.5 手势识别流程 | 第39-40页 |
| 3.5.1 手势预分类 | 第39-40页 |
| 3.5.2 基于HMM的识别 | 第40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 分组手势识别结果及性能分析 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 数据采集平台的搭建 | 第42-46页 |
| 4.2.1 硬件平台 | 第42-44页 |
| 4.2.2 PC端上位机平台 | 第44-46页 |
| 4.3 分组手势识别试验过程 | 第46-49页 |
| 4.3.1 手势集定义及数据采集 | 第46-47页 |
| 4.3.2 数据处理相关参数 | 第47-48页 |
| 4.3.3 手势模型训练 | 第48-49页 |
| 4.4 分组手势识别性能评价 | 第49-54页 |
| 4.4.1 手势分组性能评价 | 第49-52页 |
| 4.4.2 分组方法与标准HMM的模型建立 | 第52-53页 |
| 4.4.3 分组方法与标准HMM的识别精度比较 | 第53-54页 |
| 4.4.4 分组方法与标准HMM的算法复杂度比较 | 第54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-64页 |
| 致谢 | 第64页 |
