| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国内外物联网研究现状 | 第15-16页 |
| 1.2.2 人体行为识别方法研究现状 | 第16-18页 |
| 1.3 本文的研究工作难点 | 第18-19页 |
| 1.4 本文研究内容和组织结构 | 第19-21页 |
| 第2章 OneNET平台与行为识别的基础知识 | 第21-32页 |
| 2.1 引言 | 第21页 |
| 2.2 OneNET平台的设计理念 | 第21-25页 |
| 2.2.1 OneNET平台的概念 | 第21-23页 |
| 2.2.2 OneNET平台的设计使用 | 第23-25页 |
| 2.3 深度数据相关知识 | 第25-28页 |
| 2.3.1 深度相机 | 第26页 |
| 2.3.2 彩色图像和深度图像 | 第26-27页 |
| 2.3.3 骨骼图像 | 第27-28页 |
| 2.4 特征提取方法 | 第28-31页 |
| 2.4.1 方向梯度直方图 | 第28-30页 |
| 2.4.2 兴趣点法 | 第30-31页 |
| 2.4.3 光流法 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 OneNET平台 | 第32-41页 |
| 3.1 引言 | 第32页 |
| 3.2 麒麟座开发板——ESP8266 | 第32-35页 |
| 3.2.1 开发板中MCU介绍 | 第32-33页 |
| 3.2.2 开发板的功能 | 第33-35页 |
| 3.3 OneNET平台的设备接入协议 | 第35-38页 |
| 3.3.1 公有接入协议 | 第35-36页 |
| 3.3.2 私有接入协议 | 第36-38页 |
| 3.4 OneNET平台视频能力实现 | 第38-40页 |
| 3.4.1 设备推流RTMP协议 | 第38-39页 |
| 3.4.2 视频能力实现 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于显著性的P-DmHOG特征提取算法 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 数据预处理 | 第41-42页 |
| 4.3 深度HOG | 第42-44页 |
| 4.4 P-HOG | 第44页 |
| 4.5 随机决策森林 | 第44-45页 |
| 4.6 参数设置 | 第45-47页 |
| 4.6.1 预处理 | 第45-46页 |
| 4.6.2 D-mHOG中参数设置 | 第46页 |
| 4.6.3 P-HOG中参数设置 | 第46-47页 |
| 4.7 实验结果分析 | 第47-51页 |
| 4.7.1 MSR Actions 3D数据集上的实验结果分析 | 第47-49页 |
| 4.7.2 MSR Action Pairs 3D数据集上实验结果分析 | 第49-50页 |
| 4.7.3 MSR Daily Activity 3D数据集上的实验结果分析 | 第50-51页 |
| 4.8 本章小结 | 第51-52页 |
| 第5章 基于OneNET平台的人体行为识别系统研究 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 整体结构设计 | 第52-53页 |
| 5.3 软硬件平台 | 第53-54页 |
| 5.4 推流代码实现 | 第54-57页 |
| 5.4.1 配置文件 | 第54-56页 |
| 5.4.2 实时视频接口 | 第56页 |
| 5.4.3 本地视频接口 | 第56-57页 |
| 5.5 系统操作流程 | 第57-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
