| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 人体行为识别概述 | 第8-10页 |
| 1.1.1 人体行为识别的基本概念 | 第8页 |
| 1.1.2 人体行为识别的研究意义 | 第8-9页 |
| 1.1.3 应用手机传感器识别人体行为的研究意义 | 第9-10页 |
| 1.2 人体行为识别技术的研究进展 | 第10-16页 |
| 1.2.1 基于环境传感器工具识别方式的研究 | 第10-11页 |
| 1.2.2 基于可穿戴传感器设备识别方式的研究 | 第11-16页 |
| 1.3 本文主要研究工作及章节安排 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-18页 |
| 第2章 基于手机传感器的人体简单活动实时识别算法 | 第18-35页 |
| 2.1 引言 | 第18页 |
| 2.2 DTR系统模型 | 第18-24页 |
| 2.2.1 手机传感器选取 | 第18-19页 |
| 2.2.2 特征选取 | 第19-21页 |
| 2.2.3 分类器的选取 | 第21-24页 |
| 2.3 DTR活动识别算法 | 第24-26页 |
| 2.3.1 DTR模型学习算法 | 第24-25页 |
| 2.3.2 活动识别算法 | 第25-26页 |
| 2.4 实验与分析 | 第26-34页 |
| 2.4.1 误差分析指标 | 第26-28页 |
| 2.4.2 数据收集和处理 | 第28-29页 |
| 2.4.3 DTR实验结果 | 第29-30页 |
| 2.4.4 建模样本数量分析实验 | 第30-31页 |
| 2.4.5 数据处理对比实验 | 第31-32页 |
| 2.4.6 分类模型对比实验 | 第32-33页 |
| 2.4.7 综合对比实验 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于手机传感器的人体复杂行为识别算法 | 第35-54页 |
| 3.1 引言 | 第35页 |
| 3.2 ATR系统模型 | 第35-42页 |
| 3.2.1 手机传感器的选取 | 第35-36页 |
| 3.2.2 特征选取 | 第36-41页 |
| 3.2.3 分类器选取 | 第41-42页 |
| 3.3 ATR活动识别算法 | 第42-45页 |
| 3.3.1 设备朝向无关算法 | 第42页 |
| 3.3.2 ATR模型学习算法 | 第42-44页 |
| 3.3.3 ATR活动识别算法 | 第44-45页 |
| 3.4 实验结果及分析 | 第45-53页 |
| 3.4.1 误差分析指标 | 第46-48页 |
| 3.4.2 数据收集和处理 | 第48-49页 |
| 3.4.3 ATR实验结果 | 第49-51页 |
| 3.4.4 RF建模对比试验 | 第51页 |
| 3.4.5 特征选取对比试验 | 第51-52页 |
| 3.4.6 分类模型对比试验 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于手机传感器的多场景下人体复杂行为识别算法 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 系统模型 | 第54-58页 |
| 4.2.1 手机传感器的选取 | 第55页 |
| 4.2.2 特征选取 | 第55页 |
| 4.2.3 分类器的选取 | 第55-58页 |
| 4.3 活动识别算法 | 第58-60页 |
| 4.3.1 朴素贝叶斯算法 | 第58页 |
| 4.3.2 位置检查算法 | 第58-59页 |
| 4.3.3 第二层分类算法 | 第59-60页 |
| 4.3.4 活动识别算法 | 第60页 |
| 4.4 实验结果及分析 | 第60-65页 |
| 4.4.1 数据收集和处理 | 第60-63页 |
| 4.4.2 分层分类法实验结果 | 第63-64页 |
| 4.4.3 对比试验 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的学术论文及参加的科研项目 | 第74页 |