| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 课题来源与研究意义 | 第10-12页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究的目的与意义 | 第10-12页 |
| 1.2 课题相关技术的国内外研究现状 | 第12-19页 |
| 1.2.1 情境感知相关问题研究现状 | 第12-13页 |
| 1.2.2 人体行为识别相关问题研究现状 | 第13-16页 |
| 1.2.3 人工神经网络相关问题研究现状 | 第16-18页 |
| 1.2.4 定位及路网匹配相关问题研究现状 | 第18-19页 |
| 1.3 本文研究内容及章节安排 | 第19-23页 |
| 1.3.1 研究内容 | 第19-21页 |
| 1.3.2 章节安排 | 第21-23页 |
| 第2章 危险情境定义及危险情境识别方法建模 | 第23-29页 |
| 2.1 危险情境定义 | 第23-25页 |
| 2.2 危险情境识别方法建模 | 第25-27页 |
| 2.2.1 危险情境识别模型定义 | 第25-26页 |
| 2.2.2 危险情境识别模型求解 | 第26-27页 |
| 2.3 危险情境识别实验结果 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 人体行为感知算法的设计与实现 | 第29-64页 |
| 3.1 人体行为数据采集 | 第29-35页 |
| 3.1.1 数据采集设备的坐标系 | 第29-30页 |
| 3.1.2 数据采集及数据格式 | 第30-31页 |
| 3.1.3 原子人体行为类别编码 | 第31-35页 |
| 3.2 人体行为分类模型 | 第35-38页 |
| 3.2.1 决策树及随机森林 | 第35-37页 |
| 3.2.2 前馈神经网络 | 第37-38页 |
| 3.3 基于决策树的人体行为感知算法的设计与实现 | 第38-48页 |
| 3.3.1 数据预处理 | 第38-43页 |
| 3.3.2 模型设计与实现 | 第43-45页 |
| 3.3.3 复杂度分析 | 第45-46页 |
| 3.3.4 实验结果及分析优化 | 第46-48页 |
| 3.4 基于随机森林的人体行为感知算法的设计与实现 | 第48-53页 |
| 3.4.1 模型设计与实现 | 第48-50页 |
| 3.4.2 复杂度分析 | 第50页 |
| 3.4.3 实验结果及分析优化 | 第50-53页 |
| 3.5 基于人工神经网络的人体行为感知算法的设计与实现 | 第53-62页 |
| 3.5.1 模型设计与实现 | 第53-57页 |
| 3.5.2 复杂度分析 | 第57页 |
| 3.5.3 实验结果及分析优化 | 第57-62页 |
| 3.6 人体行为感知算法模型对比 | 第62-63页 |
| 3.7 本章小结 | 第63-64页 |
| 第4章 空间位置及交互方式感知算法的设计与实现 | 第64-80页 |
| 4.1 空间位置感知算法的设计与实现 | 第64-76页 |
| 4.1.1 数据格式及预处理 | 第64-66页 |
| 4.1.2 基于位置点的空间位置感知算法设计与实现 | 第66-69页 |
| 4.1.3 基于位置轨迹的空间位置感知算法设计与实现 | 第69-73页 |
| 4.1.4 实验结果及分析 | 第73-76页 |
| 4.2 交互方式感知算法的设计与实现 | 第76-79页 |
| 4.2.1 基于手机事件辅助交互方式感知 | 第76-77页 |
| 4.2.2 基于手机APP使用信息辅助交互方式感知 | 第77页 |
| 4.2.3 交互方式感知算法实现及实验结果 | 第77-79页 |
| 4.3 本章小结 | 第79-80页 |
| 第5章 危险情境预防系统设计与实现 | 第80-87页 |
| 5.1 危险情境预防系统需求分析 | 第80-81页 |
| 5.1.1 功能性需求分析 | 第80-81页 |
| 5.1.2 非功能性需求分析 | 第81页 |
| 5.2 危险情境预防系统实现 | 第81-86页 |
| 5.2.1 用户管理模块实现 | 第81-82页 |
| 5.2.2 数据采集模块实现 | 第82-84页 |
| 5.2.3 危险情境识别及预防模块实现 | 第84-86页 |
| 5.3 本章小结 | 第86-87页 |
| 结论 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 致谢 | 第93页 |
