基于加速度传感器的人体姿态识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.2 研究的问题 | 第13页 |
| 1.3 本文的研究内容与结构安排 | 第13-15页 |
| 第二章 人体姿态识别的研究现状 | 第15-28页 |
| 2.1 人体姿态识别各模块介绍 | 第15-26页 |
| 2.1.1 数据采集模块 | 第16-18页 |
| 2.1.2 数据预处理模块 | 第18-19页 |
| 2.1.3 特征提取和选择模块 | 第19-22页 |
| 2.1.4 分类算法模块 | 第22-26页 |
| 2.2 人体姿态识别的研究现状和难点 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于改进PSO优化神经网络的人体姿态识别 | 第28-40页 |
| 3.1 数据预处理 | 第28-29页 |
| 3.2 特征提取 | 第29-32页 |
| 3.2.1 常用时域特征 | 第29-30页 |
| 3.2.2 新的特征向量 | 第30-32页 |
| 3.3 改进PSO优化神经网络 | 第32-35页 |
| 3.3.1 神经网络 | 第32页 |
| 3.3.2 粒子群算法及其改进 | 第32-34页 |
| 3.3.3 改进PSO优化神经网络算法 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-38页 |
| 3.4.1 实验数据准备 | 第35-36页 |
| 3.4.2 算法仿真对比 | 第36-37页 |
| 3.4.3 分类结果及分析 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于窗口相似度的人体姿态识别 | 第40-49页 |
| 4.1 人体姿态识别系统结构 | 第40-41页 |
| 4.2 曲线拟合及优化 | 第41-43页 |
| 4.2.1 曲线拟合 | 第41-42页 |
| 4.2.2 基于粒子群算法对参数的优化 | 第42-43页 |
| 4.2.3 窗口相似度 | 第43页 |
| 4.3 分类识别 | 第43-44页 |
| 4.4 实验验证及结果分析 | 第44-48页 |
| 4.4.1 实验数据采集 | 第44-45页 |
| 4.4.2 拟合误差分析 | 第45-46页 |
| 4.4.3 关键参数的确定 | 第46-47页 |
| 4.4.4 算法性能对比 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49-50页 |
| 5.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录A（攻读学位期间发表论文目录） | 第56-57页 |
| 详细中文摘要 | 第57-60页 |
| 详细英文摘要 | 第60-64页 |
