首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的双人交互行为识别技术研究

摘要第5-7页
abstract第7-8页
第1章 绪论第15-27页
    1.1 研究背景及意义第15-16页
    1.2 国内外研究现状第16-20页
        1.2.1 国外研究现状第16-19页
        1.2.2 国内研究现状第19-20页
    1.3 双人交互行为识别研究方法概述第20-21页
        1.3.1 基于整体的双人交互行为识别第20页
        1.3.2 基于个体的双人交互行为识别第20-21页
        1.3.3 基于局部特征的双人交互行为识别第21页
    1.4 存在的问题及不足第21-22页
    1.5 研究目标和研究内容第22-24页
        1.5.1 研究目标第22-23页
        1.5.2 研究内容第23-24页
    1.6 本文整体研究框架第24-25页
    1.7 论文的组织结构第25-27页
第2章 基于背景差的运动人体目标检测第27-35页
    2.1 常用目标检测算法分类第27-28页
    2.2 运动人体目标检测分类第28-29页
    2.3 背景差法的基本工作原理第29-30页
    2.4 基于高斯混合模型的背景差法第30-32页
    2.5 运动人体目标检测实验测试结果分析第32-34页
    2.6 本章小结第34-35页
第3章 基于卷积神经网络的双人交互行为特征提取第35-47页
    3.1 深度学习特征提取第35-36页
    3.2 卷积神经网络基本结构第36-37页
    3.3 激活函数选择第37-39页
    3.4 卷积神经网络AlexNet结构与特点第39-43页
        3.4.1 ALexNet网络结构第39-42页
        3.4.2 ALexNet网络特点第42-43页
    3.5 卷积神经网络AlexNet模型改进及实现流程第43-44页
        3.5.1 ALexNet网络模型改进第43-44页
        3.5.2 AlexNet网络模型实现流程第44页
    3.6 ALexNet网络实验测试结果分析第44-45页
    3.7 本章小结第45-47页
第4章 基于双隐层BP神经网络的双人交互行为分类第47-53页
    4.1 分类算法分析第47-48页
    4.2 双隐层BP神经网络的结构和计算第48-50页
        4.2.1 双隐层BP神经网络的基本结构第48页
        4.2.2 双隐层BP神经网络的计算原理第48-50页
    4.3 双隐层BP神经网络设计第50-51页
    4.4 双隐层BP神经网络实验测试结果分析第51-52页
    4.5 本章小结第52-53页
第5章 软件方案设计实现与性能分析第53-67页
    5.1 软件概述第53-54页
    5.2 实验软硬件开发环境第54-55页
    5.3 软件模块分类第55-56页
    5.4 软件模块设计与编程实现第56-58页
        5.4.1 运动人体目标检测模块设计和编程实现第56页
        5.4.2 卷积神经网络ALexNet模块设计与编程实现第56-58页
        5.4.3 双隐层BP神经网络模块设计与编程实现第58页
        5.4.4 预测模块设计与编程实现第58页
    5.5 实验整体性能分析第58-64页
    5.6 本章小结第64-67页
第6章 论文成果总结与展望第67-71页
    6.1 论文成果总结第67-68页
    6.2 研究展望第68-71页
参考文献第71-77页
致谢第77-79页
作者简历及攻读学位期间发表的学术论文与研究成果第79页

论文共79页,点击 下载论文
上一篇:基于医院信息系统的糖尿病并发症辅助诊断模型研究
下一篇:基于关节空间与工作空间协同的6R点焊机器人路径规划