基于时间规律的老人异常行为检测方法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-15页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-13页 |
| 1.2.1 远程监护系统研究现状 | 第7-9页 |
| 1.2.2 行为识别与理解研究现状 | 第9-11页 |
| 1.2.3 异常行为检测研究现状 | 第11-12页 |
| 1.2.4 研究总结 | 第12-13页 |
| 1.3 本文主要研究内容和组织结构 | 第13-15页 |
| 第二章 相关技术介绍 | 第15-24页 |
| 2.1 室内定位技术 | 第15-19页 |
| 2.1.1 室内定位技术对比 | 第15-16页 |
| 2.1.2 超宽带技术 | 第16-19页 |
| 2.2 基于密度的聚类算法 | 第19-21页 |
| 2.2.1 空间聚类算法研究 | 第19-20页 |
| 2.2.2 基于密度的聚类算法 | 第20-21页 |
| 2.3 行为识别和理解 | 第21-23页 |
| 2.3.1 行为模型的表示 | 第21-22页 |
| 2.3.2 行为动作的特征提取和表示 | 第22-23页 |
| 2.3.3 行为动作认识和理解 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 用户模型及异常检测处理方法 | 第24-35页 |
| 3.1 构建用户模型 | 第24-25页 |
| 3.1.1 兴趣热点区域模型 | 第24页 |
| 3.1.2 异常检测规则模型 | 第24-25页 |
| 3.1.3 用户模型 | 第25页 |
| 3.2 通过历史轨迹数据获取兴趣热点区域 | 第25-31页 |
| 3.2.1 确定eps和minPoints的范围 | 第27-31页 |
| 3.2.2 兴趣热点区域的产生 | 第31页 |
| 3.3 构建形状规则的监控区域 | 第31-33页 |
| 3.4 生成用户行为异常预警线 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于运动轨迹的用户行为模式获取方法 | 第35-41页 |
| 4.1 构建行为序列的方法 | 第35-37页 |
| 4.1.1 用户行为序列的表达 | 第35-37页 |
| 4.1.2 对用户行为模式进行筛选 | 第37页 |
| 4.2 用户时空行为模式的抽象表达 | 第37-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 实验结果及数据分析 | 第41-47页 |
| 5.1 异常检测处理方法实验结果 | 第41-42页 |
| 5.2 时空行为模式抽取 | 第42-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-48页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读学位期间的研究成果 | 第51-52页 |
| 致谢 | 第52-53页 |
