基于可穿戴设备的人体手部细微动作识别研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究工作的背景与意义 | 第11-13页 |
| 1.2 国内外研究历史与现状 | 第13-16页 |
| 1.3 主要研究内容及创新 | 第16-18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 第二章 相关技术及理论 | 第20-28页 |
| 2.1 智能可穿戴设备介绍 | 第20-21页 |
| 2.2 智能可穿戴设备内置传感器 | 第21-23页 |
| 2.2.1 加速度传感器 | 第21-22页 |
| 2.2.2 陀螺仪传感器 | 第22-23页 |
| 2.3 行为分类相关算法介绍 | 第23-27页 |
| 2.3.1 决策树 | 第23-25页 |
| 2.3.2 朴素贝叶斯 | 第25-26页 |
| 2.3.3 逻辑回归 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于可穿戴设备的人体手部细微动作识别模型 | 第28-34页 |
| 3.1 人体行为识别流程与手部细微动作识别分析 | 第28-30页 |
| 3.2 总体行为识别算法 | 第30-32页 |
| 3.3 总体系统模型架构 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 数据的采集和预处理 | 第34-45页 |
| 4.1 传感器原始数据的采集 | 第34-38页 |
| 4.1.1 预定义手部细微动作 | 第34-35页 |
| 4.1.2 数据采集流程 | 第35-36页 |
| 4.1.3 数据采集与设计实现 | 第36-38页 |
| 4.2 传感数据预处理 | 第38-44页 |
| 4.2.1 传感器数据的校正 | 第39-40页 |
| 4.2.2 低通滤波器数据过滤 | 第40-42页 |
| 4.2.3 移动均值滤波降噪与生成数据计算 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 分层的人体手部动作类型区分与动作片段提取 | 第45-58页 |
| 5.1 动作片段提取 | 第45-50页 |
| 5.1.1 手部动作片段模型初步探测 | 第45-48页 |
| 5.1.2 自适应动作片段提取改进算法 | 第48-50页 |
| 5.2 分层的人体手部动作类型识别方法 | 第50-52页 |
| 5.3 手部动作类型分类模型 | 第52-57页 |
| 5.3.1 数据分析及特征提取 | 第52-53页 |
| 5.3.2 决策树分类模型 | 第53-55页 |
| 5.3.3 动作类型的识别及评估 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 基于分层的手部细微动作识别 | 第58-80页 |
| 6.1 引言 | 第58页 |
| 6.2 手臂类型下细致动作的识别 | 第58-69页 |
| 6.2.1 动作识别分析 | 第58-59页 |
| 6.2.2 特征提取算法 | 第59-64页 |
| 6.2.3 模板构建与匹配 | 第64-67页 |
| 6.2.4 动作识别的实现与评估 | 第67-69页 |
| 6.3 手腕和手指类型下细致动作的识别 | 第69-79页 |
| 6.3.1 动作分析与特征提取 | 第69-72页 |
| 6.3.2 手腕和手指类型的细致动作识别 | 第72-76页 |
| 6.3.3 基于识别模型的优化与评估 | 第76-79页 |
| 6.4 本章小结 | 第79-80页 |
| 第七章 手部细微动作识别系统实现 | 第80-95页 |
| 7.1 系统开发环境介绍 | 第80-81页 |
| 7.2 系统实现与功能模块 | 第81-82页 |
| 7.3 系统模块说明与实现 | 第82-91页 |
| 7.3.1 数据处理 | 第82-84页 |
| 7.3.2 手部动作类型的分类 | 第84-88页 |
| 7.3.3 细致动作识别 | 第88-91页 |
| 7.4 结果分析 | 第91-94页 |
| 7.5 本章小结 | 第94-95页 |
| 第八章 总结与展望 | 第95-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-103页 |
| 攻读硕士学位期间取得的成果 | 第103页 |
