智能终端人体步态特征识别关键技术研究与验证
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 研究工作与贡献 | 第16-17页 |
| 1.3 论文结构与安排 | 第17-19页 |
| 第二章 智能终端人体步态识别技术研究现状 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 智能终端人体步态识别应用 | 第19-21页 |
| 2.3 智能终端人体步态识别技术 | 第21-28页 |
| 2.3.1 传感器数据采集 | 第22-23页 |
| 2.3.2 数据预处理技术 | 第23-24页 |
| 2.3.3 步态特征提取技术 | 第24页 |
| 2.3.4 分类识别算法 | 第24-28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 智能终端人体步态特征识别需求与分析 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 智能终端人体步态识别关键问题分析 | 第29-36页 |
| 3.2.1 人体步态周期与类型分析 | 第29-31页 |
| 3.2.2 手机位置移动影响 | 第31-33页 |
| 3.2.3 特征分析与优化 | 第33-36页 |
| 3.3 模型评估方法及指标分析 | 第36-39页 |
| 3.3.1 模型评价方法 | 第36-37页 |
| 3.3.2 主要指标分析 | 第37-39页 |
| 3.4 小结 | 第39-40页 |
| 第四章 智能终端步态识别方案设计与验证 | 第40-67页 |
| 4.1 引言 | 第40页 |
| 4.2 识别方案基本模型 | 第40-41页 |
| 4.3 数据采集 | 第41-48页 |
| 4.3.1 采集方案设计 | 第41-44页 |
| 4.3.2 采集软件实现 | 第44-45页 |
| 4.3.3 原始步态数据分析 | 第45-48页 |
| 4.4 关键技术方案仿真验证 | 第48-66页 |
| 4.4.1 数据预处理 | 第48-50页 |
| 4.4.2 步态特征提取 | 第50-53页 |
| 4.4.3 分类器选择 | 第53-56页 |
| 4.4.4 实验结果与分析 | 第56-66页 |
| 4.5 小结 | 第66-67页 |
| 第五章 人体步态特征识别软件的设计与实现 | 第67-84页 |
| 5.1 引言 | 第67页 |
| 5.2 识别软件总体架构 | 第67-68页 |
| 5.3 识别软件功能模块设计与实现 | 第68-77页 |
| 5.3.1 用户信息模块 | 第68-71页 |
| 5.3.2 自动识别模块 | 第71-73页 |
| 5.3.3 运动数据统计模块 | 第73-76页 |
| 5.3.4 历史记录模块 | 第76-77页 |
| 5.4 软件测试与分析 | 第77-83页 |
| 5.4.1 测试环境 | 第77-78页 |
| 5.4.2 功能测试 | 第78-82页 |
| 5.4.3 性能测试 | 第82-83页 |
| 5.5 小结 | 第83-84页 |
| 第六章 结束语 | 第84-86页 |
| 6.1 本文贡献 | 第84-85页 |
| 6.2 下一步工作的建议 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 攻读硕士期间取得的研究成果 | 第91页 |
