基于并行HMM的动态手势识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究历史和现状 | 第9-13页 |
| 1.2.1 手势识别技术的发展 | 第9-11页 |
| 1.2.2 动态手势识别系统模型 | 第11-13页 |
| 1.3 论文的主要研究内容及创新点 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 第二章 动态手势信号采集与特征提取方法研究 | 第16-24页 |
| 2.1 实验测试平台 | 第17-18页 |
| 2.2 动态手势特征提取 | 第18-23页 |
| 2.2.1 基于时域的特征提取 | 第19-20页 |
| 2.2.2 基于频域与时频域的特征提取 | 第20页 |
| 2.2.3 基于前导的信道特征 | 第20-21页 |
| 2.2.4 前导能量的提取过程 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于并行隐马尔科夫模型的动态手势定性分类 | 第24-38页 |
| 3.1 并行模型特征选取 | 第24-25页 |
| 3.2 手势特征序列预处理 | 第25-28页 |
| 3.2.1 基于DFT的连续时间序列分解 | 第26页 |
| 3.2.2 基于小波变换的单周期时间序列预处理 | 第26-28页 |
| 3.3 构建动态手势隐马尔科夫模型 | 第28-31页 |
| 3.3.1 隐马尔科夫链 | 第28-30页 |
| 3.3.2 Baum-Welch算法构建模型 | 第30页 |
| 3.3.3 前向递推算法识别动态手势 | 第30-31页 |
| 3.4 定性分类识别框架与结论分析 | 第31-36页 |
| 3.4.1 概率模型整体框架 | 第31-32页 |
| 3.4.2 模式匹配算法性能比较 | 第32-33页 |
| 3.4.3 模型识别结果分析 | 第33-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于定量关系的轻量级动态手势定量分类 | 第38-48页 |
| 4.1 数据采集平台 | 第39-41页 |
| 4.1.1 软件无线电技术 | 第39页 |
| 4.1.2 SORA平台 | 第39-41页 |
| 4.2 定量特征提取与演示系统 | 第41-44页 |
| 4.2.1 软件无线电平台数据采集模块 | 第42-43页 |
| 4.2.2 特征提取以及显示模块 | 第43-44页 |
| 4.3 动态手势运动特征与时间序列的联系 | 第44-45页 |
| 4.4 定量关系以及识别结果 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 总结和展望 | 第48-50页 |
| 5.1 本文主要研究成果 | 第48-49页 |
| 5.2 下一步工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表的论文目录 | 第55页 |
