首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于OneNET平台的人体行为识别技术研究

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

论文共69页,点击 下载论文
上一篇:基于“翻转课堂”教学模式的高中地理教学应用研究
下一篇:元认知策略在大学生英语移动学习中的运用