| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 人体姿态识别的国内外研究现状 | 第11-14页 |
| 1.2.1 人体姿态识别系统的研究现状 | 第11-13页 |
| 1.2.2 人体姿态识别相关算法的发展 | 第13-14页 |
| 1.3 课题主要研究内容 | 第14-15页 |
| 1.4 本文章节安排 | 第15-17页 |
| 第2章 人体典型姿态及数据采集 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 常见的人体姿态 | 第17-18页 |
| 2.3 人体姿态数据采集终端设计 | 第18-24页 |
| 2.3.1 硬件系统框架 | 第18页 |
| 2.3.2 传感器模块 | 第18-20页 |
| 2.3.3 存储方案 | 第20-21页 |
| 2.3.4 控制中心 | 第21-22页 |
| 2.3.5 电源控制方案 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 数据预处理及特征提取 | 第25-44页 |
| 3.1 引言 | 第25页 |
| 3.2 数据预处理 | 第25-32页 |
| 3.2.1 抑制样本数据的噪声 | 第25-27页 |
| 3.2.2 对终端采集的数据进行定标 | 第27-30页 |
| 3.2.3 去除重力加速度干扰 | 第30-32页 |
| 3.3 运动数据的特征提取及实验分析 | 第32-43页 |
| 3.3.1 样本时间序列的扩充 | 第32-35页 |
| 3.3.2 姿态时域特征分析 | 第35-37页 |
| 3.3.3 姿态频域特征分析 | 第37-39页 |
| 3.3.4 特征提取实验分析 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 多层次人体姿态识别算法构建 | 第44-62页 |
| 4.1 引言 | 第44页 |
| 4.2 人体姿态识别算法概述 | 第44页 |
| 4.3 基于支持向量机与决策树的多层人体姿态识别算法构建 | 第44-54页 |
| 4.3.1 静止姿态与运动姿态的区分 | 第44-47页 |
| 4.3.2 支持向量机的基本原理 | 第47-50页 |
| 4.3.3 基于支持向量机的运动姿态分类 | 第50-51页 |
| 4.3.4 基于决策树的静止姿态分类 | 第51-53页 |
| 4.3.5 基于支持向量机的异常姿态区分 | 第53-54页 |
| 4.4 实验分析及验证 | 第54-61页 |
| 4.4.1 实验环境及方法 | 第54-56页 |
| 4.4.2 针对分类器的实验结果及分析 | 第56-59页 |
| 4.4.3 算法构建及测试 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录1特征编号 | 第68-70页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第70-72页 |
| 致谢 | 第72页 |