基于传感器的人体行为识别技术研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-22页 |
| 1.1 课题背景及意义 | 第14-16页 |
| 1.2 国内外研究成果 | 第16-20页 |
| 1.3 本文的研究内容与创新点 | 第20-21页 |
| 1.4 本文的内容与组织 | 第21-22页 |
| 2 人体行为识别技术简介 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 人体行为识别系统结构 | 第22-23页 |
| 2.3 传感器数据采集 | 第23-25页 |
| 2.4 数据预处理技术 | 第25-28页 |
| 2.5 特征提取与特征约减 | 第28-32页 |
| 2.5.1 特征提取 | 第28-29页 |
| 2.5.2 特征约减 | 第29-32页 |
| 2.6 分类识别 | 第32-35页 |
| 2.7 本章小结 | 第35-36页 |
| 3 传感器数据的采集和处理 | 第36-54页 |
| 3.1 引言 | 第36页 |
| 3.2 传感器原始数据的采集 | 第36-44页 |
| 3.2.1 数据采集流程 | 第36-37页 |
| 3.2.2 移动设备和传感器的选择 | 第37-39页 |
| 3.2.3 预定义的设备位置和人体行为类别 | 第39-41页 |
| 3.2.4 数据采集软件设计 | 第41-42页 |
| 3.2.5 数据采集 | 第42-44页 |
| 3.3 传感器数据的处理 | 第44-52页 |
| 3.3.1 传感器数据的校正和去噪 | 第44-46页 |
| 3.3.2 生成数据计算 | 第46-48页 |
| 3.3.3 数据分割 | 第48-50页 |
| 3.3.4 特征提取 | 第50-52页 |
| 3.4 本章小节 | 第52-54页 |
| 4 分层的人体行为识别方法与设备位置识别 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 分层的人体行为识别方法 | 第54-56页 |
| 4.3 设备位置分类模型 | 第56-64页 |
| 4.3.1 决策树分类模型 | 第56-59页 |
| 4.3.2 决策树的剪枝 | 第59-60页 |
| 4.3.3 位置分类模型的训练与评估 | 第60-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 人体行为分类模型的构建 | 第66-80页 |
| 5.1 引言 | 第66页 |
| 5.2 基于支持向量机的人体行为识别 | 第66-75页 |
| 5.2.1 支持向量机分类模型 | 第66-69页 |
| 5.2.2 多类别分类策略 | 第69-70页 |
| 5.2.3 行为分类模型的特征选择 | 第70-72页 |
| 5.2.4 分类模型的训练及评估 | 第72-75页 |
| 5.3 过渡行为的识别 | 第75-77页 |
| 5.4 基于Android的系统实现 | 第77-78页 |
| 5.5 本章小结 | 第78-80页 |
| 6 总结与展望 | 第80-82页 |
| 6.1 本文总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 作者简历 | 第87页 |
| 读硕期间的科研成果 | 第87页 |
