基于体域网的运动行为识别算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.1.1 基于视觉传感器的人体行为识别 | 第8-9页 |
| 1.1.2 基于非视觉传感器的人体行为识别 | 第9页 |
| 1.2 基于非视觉传感器的行为识别的方式 | 第9-11页 |
| 1.2.1 基于体域网的行为识别 | 第10页 |
| 1.2.2 基于人物交互的行为识别 | 第10-11页 |
| 1.2.3 基于环境变化的行为识别 | 第11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 人体日常行为识别 | 第11页 |
| 1.3.2 人体异常和跌倒监测 | 第11-12页 |
| 1.3.3 人体步态识别和分析 | 第12页 |
| 1.3.4 人体运动能量消耗估计 | 第12-13页 |
| 1.3.5 人体体育运动识别 | 第13-15页 |
| 1.4 本论文主要研究内容 | 第15页 |
| 1.5 本论文组织结构 | 第15-17页 |
| 2 人体行为识别相关算法 | 第17-24页 |
| 2.1 数据采集 | 第17-18页 |
| 2.2 数据预处理 | 第18-19页 |
| 2.2.1 数据的去噪 | 第18页 |
| 2.2.2 数据的归一化处理 | 第18-19页 |
| 2.3 数据的窗口分割 | 第19-21页 |
| 2.3.1 滑动窗口分割 | 第19-20页 |
| 2.3.2 事件窗口分割 | 第20页 |
| 2.3.3 动作窗口分割 | 第20-21页 |
| 2.4 特征提取和选择 | 第21-22页 |
| 2.4.1 特征提取 | 第21页 |
| 2.4.2 特征选择 | 第21-22页 |
| 2.5 分类和识别 | 第22-24页 |
| 3 基于双层HMM的羽毛球击球动作识别 | 第24-40页 |
| 3.1 数据去噪处理 | 第24-25页 |
| 3.2 击球点检测 | 第25-26页 |
| 3.3 窗口分割 | 第26-27页 |
| 3.4 特征提取和特征融合 | 第27-28页 |
| 3.4.1 特征提取 | 第27-28页 |
| 3.4.2 特征融合 | 第28页 |
| 3.5 击球动作分类和识别 | 第28-40页 |
| 3.5.1 HMM基本概念 | 第28-30页 |
| 3.5.2 HMM模型的假设 | 第30页 |
| 3.5.3 HMM的基本算法 | 第30-35页 |
| 3.5.4 连续的HMM模型 | 第35-40页 |
| 4 实验结果和分析 | 第40-50页 |
| 4.1 实验平台介绍 | 第40-41页 |
| 4.1.1 监测系统的硬件平台 | 第40页 |
| 4.1.2 监测系统的软件平台 | 第40-41页 |
| 4.2 实验数据的采集 | 第41-42页 |
| 4.3 实验结果分析 | 第42-50页 |
| 4.3.1 击球动作与非击球动作分类实验 | 第42-43页 |
| 4.3.2 不同窗口分割方法对比实验 | 第43-44页 |
| 4.3.3 多种分类方法对比实验 | 第44-45页 |
| 4.3.4 单传感器与多传感器对比实验 | 第45页 |
| 4.3.5 羽毛球员技能分类实验 | 第45-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
