| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 研究历史及现状 | 第15-23页 |
| 1.2.1 人体微动特征提取的发展与研究现状 | 第15-20页 |
| 1.2.2 微动特征识别方法的研究现状 | 第20-23页 |
| 1.3 本文的主要内容及章节安排 | 第23-27页 |
| 1.3.1 论文的主要研究内容 | 第23-25页 |
| 1.3.2 论文的内容架构及章节安排 | 第25-27页 |
| 第2章 基于高分辨距离变化信息的人体动作识别 | 第27-49页 |
| 2.1 引言 | 第27-28页 |
| 2.2 人体运动高分辨距离变化信息特征采集 | 第28-39页 |
| 2.2.1 实验设计及场景布局 | 第28-31页 |
| 2.2.2 数据采集及高分辨距离变化特征获取 | 第31-39页 |
| 2.3 人体运动高分辨距离变化信息的特征识别 | 第39-48页 |
| 2.3.1 卷积神经网络的基本概念及结构 | 第39-42页 |
| 2.3.2 利用深度学习方法的人体动作微动特征识别 | 第42-44页 |
| 2.3.3 人体动作识别结果及分析 | 第44-48页 |
| 2.4 本章小结 | 第48-49页 |
| 第3章 基于步态微多普勒特征的人员识别 | 第49-63页 |
| 3.1 引言 | 第49-50页 |
| 3.2 人体步态微多普勒特征分析与采集 | 第50-55页 |
| 3.2.1 实验设计及场景布局 | 第50-52页 |
| 3.2.2 数据采集及微多普勒特征表示 | 第52-55页 |
| 3.3 人体步态微多普勒特征识别 | 第55-62页 |
| 3.3.1 步态微多普勒特征数据集构建 | 第55-57页 |
| 3.3.2 利用深度学习方法的人体步态微动特征识别 | 第57-60页 |
| 3.3.3 人体步态识别结果及分析 | 第60-62页 |
| 3.4 本章小结 | 第62-63页 |
| 第4章 基于多雷达传感器微多普勒信息的特征融合 | 第63-75页 |
| 4.1 引言 | 第63-64页 |
| 4.2 多雷达传感器下实验设计及特征采集 | 第64-67页 |
| 4.2.1 实验设计及场景布局 | 第64-66页 |
| 4.2.2 多雷达传感器下的实验数据采集及特征表示 | 第66-67页 |
| 4.3 多雷达传感器的特征提取与分类识别 | 第67-73页 |
| 4.3.1 非融合方式下的分类识别 | 第68-69页 |
| 4.3.2 融合方式下的分类识别 | 第69-70页 |
| 4.3.3 识别结果及分析 | 第70-73页 |
| 4.4 本章小结 | 第73-75页 |
| 第5章 结束语 | 第75-77页 |
| 5.1 本文工作总结 | 第75-76页 |
| 5.2 后续工作展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第85页 |
