基于异构信息融合的人体行为识别的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 行为识别研究工作进展 | 第12-13页 |
| 1.2.2 基于数据融合的行为识别研究现状 | 第13-14页 |
| 1.3 研究内容与主要贡献 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 行为识别技术概述 | 第16-22页 |
| 2.1 行为识别方法分类 | 第16-19页 |
| 2.1.1 侵入式行为识别 | 第16-17页 |
| 2.1.2 非侵入式行为识别 | 第17-18页 |
| 2.1.3 融合式行为识别 | 第18-19页 |
| 2.2 行为识别关键技术 | 第19-20页 |
| 2.2.1 基于图像识别技术 | 第19-20页 |
| 2.2.2 基于传感器技术 | 第20页 |
| 2.3 异构数据特征融合方法 | 第20-21页 |
| 2.3.1 同质异构特征的融合方法 | 第20-21页 |
| 2.3.2 非同质异构特征的融合方法 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于层次化数据融合的集成行为识别模型 | 第22-38页 |
| 3.1 集成学习理论与方法 | 第22-26页 |
| 3.1.1 基本原理 | 第22-24页 |
| 3.1.2 串行式集成学习 | 第24-25页 |
| 3.1.3 并行式集成学习 | 第25-26页 |
| 3.2 层次化融合的行为识别模型 | 第26-31页 |
| 3.2.1 底层算法介绍 | 第26-28页 |
| 3.2.2 基于层次化数据融合的模型 | 第28-31页 |
| 3.3 模型的评估与性能指标 | 第31-34页 |
| 3.3.1 评估方法 | 第31-32页 |
| 3.3.2 性能指标 | 第32-34页 |
| 3.4 实验方案与结果 | 第34-37页 |
| 3.4.1 实验数据集介绍 | 第34页 |
| 3.4.2 模型的训练与评估 | 第34-36页 |
| 3.4.3 对比实验分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于结构化数据融合的行为识别模型 | 第38-52页 |
| 4.1 神经网络算法 | 第38-44页 |
| 4.1.1 多层感知机 | 第38-42页 |
| 4.1.2 卷积神经网络 | 第42-44页 |
| 4.2 基于结构化数据融合的卷积神经网络 | 第44-46页 |
| 4.2.1 结构化融合方法 | 第44页 |
| 4.2.2 卷积层 | 第44-45页 |
| 4.2.3 池化层 | 第45-46页 |
| 4.2.4 全连接层 | 第46页 |
| 4.3 实验过程与结果分析 | 第46-51页 |
| 4.3.1 实验数据集介绍 | 第46-47页 |
| 4.3.2 数据预处理 | 第47页 |
| 4.3.3 实验设计与结果 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 行为识别系统设计与实现 | 第52-59页 |
| 5.1 系统框架介绍 | 第52-54页 |
| 5.1.1 系统框架图 | 第52-53页 |
| 5.1.2 系统流程图 | 第53-54页 |
| 5.2 系统模块设计 | 第54-56页 |
| 5.2.1 手机端模块 | 第54-55页 |
| 5.2.2 服务器端模块 | 第55页 |
| 5.2.3 数据结构设计 | 第55-56页 |
| 5.3 系统部署与展示 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
