基于机器学习的人体动作识别
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 人体动作识别 | 第10-11页 |
| 1.1.2 移动感知 | 第11-12页 |
| 1.1.3 机器学习 | 第12-13页 |
| 1.2 主要研究内容及创新点 | 第13-17页 |
| 1.2.1 研究内容 | 第13-16页 |
| 1.2.2 创新点 | 第16-17页 |
| 1.3 论文组织结构 | 第17-20页 |
| 第二章 研究现状及关键技术概论 | 第20-26页 |
| 2.1 研究现状 | 第20-21页 |
| 2.2 关键技术 | 第21-24页 |
| 2.2.1 数据处理中坐标系转换技术 | 第21-22页 |
| 2.2.2 流式数据滑动窗口技术 | 第22页 |
| 2.2.3 小波变换特征提取技术 | 第22页 |
| 2.2.4 SVM分类算法模型 | 第22-23页 |
| 2.2.5 AdaBoost分类算法提升技术 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于智能手机的基本动作识别 | 第26-40页 |
| 3.1 问题描述与分析 | 第26-27页 |
| 3.2 数据采集及预处理过程 | 第27-29页 |
| 3.3 利用小波变换的特征值提取技术 | 第29-33页 |
| 3.4 动作分类及仿真实验 | 第33-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 含姿势转换的复合动作识别 | 第40-48页 |
| 4.1 研究背景 | 第40页 |
| 4.2 含姿势转换的数据采集 | 第40-41页 |
| 4.3 分类算法模型 | 第41-45页 |
| 4.3.1 数据预处理模块 | 第42-43页 |
| 4.3.2 多类SVM预测模块 | 第43-44页 |
| 4.3.3 概率滤波与离散滤波过程 | 第44-45页 |
| 4.4 仿真实验 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 论文工作总结 | 第48-49页 |
| 5.2 存在问题及展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |
