基于惯性传感器的手势识别系统的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 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 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 1.4 文章的组织结构 | 第16-18页 |
| 第二章 手势识别系统的方案设计 | 第18-26页 |
| 2.1 手势识别系统的整体框架 | 第18-20页 |
| 2.1.1 系统框架概述 | 第18-19页 |
| 2.1.2 系统工作流程 | 第19-20页 |
| 2.2 简单手势识别方案 | 第20-22页 |
| 2.2.1 简单手势定义 | 第20-21页 |
| 2.2.2 简单手势识别框架 | 第21-22页 |
| 2.3 复杂手势识别方案 | 第22-24页 |
| 2.3.1 复杂手势定义 | 第22-23页 |
| 2.3.2 复杂手势识别框架 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 信号预处理与手势分割 | 第26-32页 |
| 3.1 加速度信号的获取 | 第26-27页 |
| 3.1.1 系统的应用方向 | 第26页 |
| 3.1.2 android原型系统应用 | 第26-27页 |
| 3.2 信号预处理 | 第27-29页 |
| 3.2.1 信号滤波 | 第27-29页 |
| 3.2.2 信号融合 | 第29页 |
| 3.3 手势检测与分割 | 第29-31页 |
| 3.3.1 手势检测 | 第30页 |
| 3.3.2 手势分割 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 简单手势的生成模型识别 | 第32-44页 |
| 4.1 生成模型与判别模型 | 第32-33页 |
| 4.2 手势识别中的生成模型 | 第33-35页 |
| 4.2.1 基于匹配的生成模型介绍 | 第33-34页 |
| 4.2.2 模型分析比较 | 第34-35页 |
| 4.3 基于分类与回归树算法的手势生成模型 | 第35-42页 |
| 4.3.1 简单手势样本集 | 第35-36页 |
| 4.3.2 数据段长度归一化 | 第36-37页 |
| 4.3.3 简单手势模型的生成 | 第37-40页 |
| 4.3.4 模型匹配识别 | 第40-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 复杂手势的判别模型识别 | 第44-54页 |
| 5.1 判别模型算法 | 第44-46页 |
| 5.1.1 判别模型概述 | 第44-45页 |
| 5.1.2 softmax回归模型 | 第45-46页 |
| 5.2 手势识别的判别模型的构建 | 第46-51页 |
| 5.2.1 重采样构建输入向量 | 第47-48页 |
| 5.2.2 重构灰度图像构建输入向量 | 第48-51页 |
| 5.3 非定义手势的过滤 | 第51-53页 |
| 5.3.1 分类过滤 | 第51页 |
| 5.3.2 过滤规则过滤 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 实验结果与分析 | 第54-64页 |
| 6.1 手势检测分割的实验结果 | 第54-56页 |
| 6.1.1 实验准备 | 第54页 |
| 6.1.2 确定参数 | 第54-56页 |
| 6.2 生成模型匹配识别的实验结果 | 第56-58页 |
| 6.3 判别模型识别的实验结果 | 第58-63页 |
| 6.3.1 限定设备姿态的实验 | 第58-61页 |
| 6.3.2 任意设备姿态的实验 | 第61-63页 |
| 6.4 本章小结 | 第63-64页 |
| 第七章 总结及展望 | 第64-66页 |
| 7.1 全文总结 | 第64-65页 |
| 7.2 下一步工作及展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间取得的研究成果 | 第72页 |
