| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 人体运动行为识别概述 | 第9页 |
| 1.2 本文的研究背景和意义 | 第9-10页 |
| 1.3 本文的主要内容和结构安排 | 第10-13页 |
| 1.3.1 本主要研究内容 | 第10-11页 |
| 1.3.2 论文结构安排 | 第11-13页 |
| 第2章 人体运动行为识别研究现状 | 第13-20页 |
| 2.1 引言 | 第13页 |
| 2.2 人体运动行为识别各模块技术现状 | 第13-18页 |
| 2.2.1 加速度信号采集模块 | 第14-15页 |
| 2.2.2 预处理模块 | 第15-16页 |
| 2.2.3 特征提取和选择模块 | 第16-17页 |
| 2.2.4 分类器训练识别模块 | 第17-18页 |
| 2.3 人体运动行为识别相关研究现状和存在的不足 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 人体加速度信号采集系统设计与降噪方法的改进 | 第20-33页 |
| 3.1 引言 | 第20页 |
| 3.2 人体加速度信号采集系统设计 | 第20-24页 |
| 3.3 原始加速度信号降噪算法的改进 | 第24-32页 |
| 3.3.1 小波变换的概念与小波阈值降噪 | 第25-27页 |
| 3.3.2 一种改进阈值的小波降噪算法 | 第27-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于时间序列分析的人体运动行为识别系统的设计与实现 | 第33-57页 |
| 4.1 引言 | 第33-34页 |
| 4.2 人体运动行为识别系统整体框架设计 | 第34-35页 |
| 4.3 人体运动加速度信号获取 | 第35-39页 |
| 4.4 人体运动加速度信号预处理 | 第39-44页 |
| 4.4.1 加速度矢量值的求取 | 第39-42页 |
| 4.4.2 重力分量剔除 | 第42-43页 |
| 4.4.3 人体运动加速度信号小波阈值降噪 | 第43-44页 |
| 4.5 人体运动加速度时间序列的特征提取 | 第44-48页 |
| 4.5.1 加速度信号的加窗处理 | 第44-45页 |
| 4.5.2 加速度时间序列的特征提取 | 第45-48页 |
| 4.6 基于隐马尔科夫模型(HMM)分类识别算法的实现 | 第48-52页 |
| 4.6.1 隐马尔科夫模型的定义 | 第48-49页 |
| 4.6.2 隐马尔科夫模型的训练与识别 | 第49-52页 |
| 4.7 实验结果分析与总结 | 第52-57页 |
| 第5章 基于LSTM型递归神经网络的人体加速度时间序列行为识别方法实现 | 第57-67页 |
| 5.1 引言 | 第57页 |
| 5.2 LSTM型递归神经网络(LSTM-RNN)简介 | 第57-60页 |
| 5.3 LSTM型递归神经网络模型的训练与识别 | 第60-63页 |
| 5.3.1 Torch7深度学习框架 | 第60-61页 |
| 5.3.2 LSTM型递归神经网络模型的训练与识别 | 第61-63页 |
| 5.4 实验结果分析与总结 | 第63-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录 攻读硕士期间参加的科研项目 | 第74-75页 |
