首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于时空相关性分析的人体行为识别的方法研究与系统实现

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

论文共77页,点击 下载论文
上一篇:风电生产信息实时监测平台的设计和实现
下一篇:多轮对话语料构建中的离群对话分析