基于时间序列的人体行为识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容与创新点 | 第14-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 人体行为识别技术框架和理论基础 | 第17-25页 |
| 2.1 人体行为识别技术框架 | 第17-18页 |
| 2.2 人体行为识别理论基础 | 第18-24页 |
| 2.2.1 数据采集 | 第18-20页 |
| 2.2.2 分类问题 | 第20-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 原始数据预处理和特征提取算法研究 | 第25-36页 |
| 3.1 数据采集 | 第25-26页 |
| 3.2 数据预处理 | 第26-29页 |
| 3.2.1 数据校准 | 第26-27页 |
| 3.2.2 滤波去噪 | 第27-29页 |
| 3.3 特征提取 | 第29-34页 |
| 3.3.1 特征值 | 第29-33页 |
| 3.3.2 特征提取算法 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 分类算法研究 | 第36-47页 |
| 4.1 一种改进的子窗口集成算法 | 第36-41页 |
| 4.1.1 集成学习 | 第36-38页 |
| 4.1.2 算法研究 | 第38-41页 |
| 4.2 实验 | 第41-46页 |
| 4.2.1 数据集介绍 | 第41-42页 |
| 4.2.2 实验配置 | 第42-43页 |
| 4.2.3 实验评估 | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 利用U-Net网络实现稠密预测 | 第47-61页 |
| 5.1 稠密标记和预测 | 第47-49页 |
| 5.2 基于U-Net的人体行为识别算法 | 第49-52页 |
| 5.2.1 U-Net介绍 | 第49-50页 |
| 5.2.2 稠密标签预测的网络体系结构 | 第50-51页 |
| 5.2.3 网络训练 | 第51-52页 |
| 5.3 实验 | 第52-59页 |
| 5.3.1 数据集介绍 | 第52-55页 |
| 5.3.2 实验配置 | 第55页 |
| 5.3.3 统一评价指标 | 第55-56页 |
| 5.3.4 实验评估 | 第56-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 结束语 | 第61-63页 |
| 6.1 论文工作总结 | 第61-62页 |
| 6.2 问题和展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文 | 第70页 |
