摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第9-21页 |
1.1 课题来源与研究意义 | 第9-11页 |
1.1.1 课题来源 | 第9页 |
1.1.2 课题研究目的与意义 | 第9-11页 |
1.2 课题相关技术的国内外研究现状 | 第11-18页 |
1.2.1 人体行为识别问题描述与定义 | 第11-13页 |
1.2.2 人体行为识别相关方法研究现状 | 第13-16页 |
1.2.3 行为时空相关性研究现状 | 第16-18页 |
1.3 本文研究内容及章节安排 | 第18-21页 |
1.3.1 研究内容 | 第18-19页 |
1.3.2 章节安排 | 第19-21页 |
第2章 基于CNN-LSTM网络的原子活动识别算法设计与分析 | 第21-44页 |
2.1 原子活动的数据采集 | 第21-24页 |
2.2 基于CNN-LSTM网络的原子活动识别算法设计与分析 | 第24-43页 |
2.2.1 基于CNN网络的原子活动识别算法 | 第26-34页 |
2.2.2 基于LSTM网络的原子活动识别算法 | 第34-40页 |
2.2.3 基于CNN-LSTM网络的原子活动识别算法 | 第40-42页 |
2.2.4 原子活动识别算法实验结果对比与分析 | 第42-43页 |
2.3 基于CNN-LSTM网络原子活动识别算法的应用效果与分析 | 第43页 |
2.4 本章小结 | 第43-44页 |
第3章 基于原子活动序列的复杂活动识别算法设计与分析 | 第44-51页 |
3.1 基于原子活动序列的复杂活动识别算法 | 第44-49页 |
3.1.1 基于原子活动序列的复杂活动识别算法介绍 | 第44-47页 |
3.1.2 基于原子活动序列的复杂活动识别算法的实现 | 第47-49页 |
3.2 基于原子活动序列的复杂活动识别算法评价方式 | 第49-50页 |
3.3 基于原子活动序列的复杂活动识别复杂度分析 | 第50页 |
3.4 本章小结 | 第50-51页 |
第4章 基于时空相关性的复杂活动识别算法设计与分析 | 第51-60页 |
4.1 复杂活动的时空相关性分析 | 第51-52页 |
4.2 基于贝叶斯网络的复杂活动时空相关性分析 | 第52-54页 |
4.2.1 贝叶斯网络基本概念 | 第52-53页 |
4.2.2 复杂活动时空相关性在贝叶斯网络中的具体体现 | 第53-54页 |
4.3 基于贝叶斯网络的复杂活动识别算法 | 第54-55页 |
4.4 基于原子序列-时空相关性分析的复杂活动识别算法 | 第55-59页 |
4.5 本章小结 | 第59-60页 |
第5章 面向智慧养老行为识别应用系统设计与实现 | 第60-68页 |
5.1 面向智慧养老的行为识别应用系统需求分析 | 第60-61页 |
5.2 面向智慧养老的行为识别应用系统设计 | 第61-62页 |
5.3 面向智慧养老的行为识别应用系统具体实现 | 第62-67页 |
5.3.1 用户管理系统 | 第62-63页 |
5.3.2 行为识别系统 | 第63-64页 |
5.3.3 数据管理系统 | 第64-67页 |
5.4 本章小结 | 第67-68页 |
结论 | 第68-70页 |
参考文献 | 第70-77页 |
致谢 | 第77页 |