| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 手势识别技术概述 | 第17-19页 |
| 1.2.1 基于计算机视觉的手势识别方法 | 第17页 |
| 1.2.2 基于肌电信号的手势识别方法 | 第17-18页 |
| 1.2.3 基于压力信号的手势识别方法 | 第18页 |
| 1.2.4 基于惯性信号的手势识别方法 | 第18-19页 |
| 1.3 可穿戴设备 | 第19-20页 |
| 1.4 论文主要内容和论文结构安排 | 第20-22页 |
| 第二章 基于EMG和FSR的精细手势识别的方案设计 | 第22-28页 |
| 2.1 精细手势定义 | 第22-23页 |
| 2.2 整体方案设计 | 第23-26页 |
| 2.2.2 可穿戴式手势信号采集系统 | 第23-24页 |
| 2.2.3 精细手势识别算法 | 第24-26页 |
| 2.2.4 基于精细手势的交互应用研究 | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 可穿戴式手势信号采集系统 | 第28-36页 |
| 3.1 肌电信号的采集 | 第28-29页 |
| 3.2 压力信号的采集 | 第29-33页 |
| 3.2.1 力敏传感器FSR | 第29-31页 |
| 3.2.2 压力信号采集的硬件电路设计 | 第31-33页 |
| 3.3 可穿戴设备的设计 | 第33-35页 |
| 3.3.1 FSR手套的制作 | 第33-34页 |
| 3.3.2 采集手表的设计 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于EMG和FSR的精细手势识别算法 | 第36-54页 |
| 4.1 活动段检测 | 第36-38页 |
| 4.2 特征提取与选择 | 第38-43页 |
| 4.2.1 特征提取 | 第38-41页 |
| 4.2.2 特征选择 | 第41-43页 |
| 4.3 基于kNN的训练模型 | 第43-48页 |
| 4.3.1 支持向量机和K最近邻算法 | 第44-46页 |
| 4.3.2 参数寻优 | 第46-47页 |
| 4.3.3 模型构造与调用 | 第47-48页 |
| 4.4 手势识别实验和分析 | 第48-53页 |
| 4.4.1 手势识别实验设置 | 第48-49页 |
| 4.4.2 实验结果及分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于精细手势的交互应用研究 | 第54-70页 |
| 5.1 基于用户手势的书写系统的设计 | 第54-57页 |
| 5.1.1 手势与操作 | 第54-55页 |
| 5.1.2 基于用户手势的书写系统的整体方案和流程 | 第55-57页 |
| 5.2 基于用户手势的书写系统的实现 | 第57-61页 |
| 5.2.1 硬件设备 | 第57-59页 |
| 5.2.2 具体实现 | 第59-61页 |
| 5.3 基于用户手势的书写系统的系统测试 | 第61-67页 |
| 5.3.1 功能测试 | 第61-65页 |
| 5.3.2 性能测试 | 第65-67页 |
| 5.4 潜在交互应用探讨 | 第67-69页 |
| 5.4.1 智能家居控制 | 第67页 |
| 5.4.2 无人机控制 | 第67-68页 |
| 5.4.3 体感游戏 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| 6.1 工作总结 | 第70页 |
| 6.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |