基于动态手势的智能终端身份识别技术研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的工作与创新 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第二章 动态手势身份识别相关技术研究 | 第16-25页 |
| 2.1 手势识别 | 第16-18页 |
| 2.1.1 动态手势识别简介 | 第16-17页 |
| 2.1.2 动态手势识别方法 | 第17-18页 |
| 2.1.3 手势识别方法对比 | 第18页 |
| 2.2 相关性分析 | 第18-20页 |
| 2.2.1 互信息法 | 第18-19页 |
| 2.2.2 皮尔森相关系数 | 第19-20页 |
| 2.3 聚类算法 | 第20-24页 |
| 2.3.1 聚类算法相关理论 | 第20-22页 |
| 2.3.2 K-Means算法理论 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 动态手势识别方法 | 第25-42页 |
| 3.1 数据预处理 | 第25-31页 |
| 3.1.1 动态手势数据的滤波 | 第25-28页 |
| 3.1.2 动态手势数据的空缺和冗余处理 | 第28-29页 |
| 3.1.3 动态手势数据的归一化 | 第29-31页 |
| 3.2 特征提取 | 第31-32页 |
| 3.3 半随机化K-Means算法 | 第32-35页 |
| 3.3.1 K-Means中K值的选择 | 第33-34页 |
| 3.3.2 半随机化选择初始中心 | 第34-35页 |
| 3.4 基于动态手势的身份识别方法 | 第35-40页 |
| 3.4.1 打分预测模型 | 第35-37页 |
| 3.4.2 样本加权 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 动态手势识别系统 | 第42-52页 |
| 4.1 系统总体设计 | 第42-43页 |
| 4.2 客户端 | 第43-45页 |
| 4.3 服务端 | 第45-51页 |
| 4.3.1 数据通信与数据存储 | 第46-48页 |
| 4.3.2 离线的模型训练 | 第48-49页 |
| 4.3.3 在线的预测模型 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 实验结果与分析 | 第52-58页 |
| 5.1 实验环境 | 第52页 |
| 5.2 实验数据的准备 | 第52-53页 |
| 5.3 试验结果评估标准 | 第53-54页 |
| 5.4 实验过程与结果分析 | 第54-57页 |
| 5.4.1 K值的验证 | 第54-55页 |
| 5.4.2 FAR-FRR效果图 | 第55-56页 |
| 5.4.3 多种算法的对比 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结展望 | 第58-60页 |
| 6.1 全文工作总结 | 第58页 |
| 6.2 进一步展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间取得的研究成果 | 第64页 |
