| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 人体行为识别研究现状 | 第12-15页 |
| 1.2.2 采用Kinect的行为识别研究 | 第15-16页 |
| 1.2.3 Spark研究现状 | 第16-17页 |
| 1.3 本文的研究内容及结构安排 | 第17-19页 |
| 1.3.1 本文的研究内容 | 第17-18页 |
| 1.3.2 论文结构安排 | 第18-19页 |
| 第二章 Spark并行计算框架 | 第19-29页 |
| 2.1 Spark简介 | 第19-22页 |
| 2.2 编程模型 | 第22-25页 |
| 2.2.1 弹性分布式数据集RDD | 第22-23页 |
| 2.2.2 并行化操作 | 第23-25页 |
| 2.2.3 共享变量 | 第25页 |
| 2.3 基于Spark的并行算法设计原则 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 Kinect与人体行为识别 | 第29-40页 |
| 3.1 Kinect简介 | 第29-32页 |
| 3.1.1 硬件组成 | 第30页 |
| 3.1.2 软件接.与SDK | 第30-32页 |
| 3.2 基于Kinect的场景深度信息获取 | 第32-35页 |
| 3.2.1 Kinect深度传感器原理 | 第32-33页 |
| 3.2.2 深度信息获取与分析 | 第33-35页 |
| 3.3 基于Kinect的关节点获取与分析 | 第35-39页 |
| 3.3.1 人体关节点识别 | 第35-37页 |
| 3.3.2 基于Kinect的人体关节点实验与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 Kinect平台下行为表示方法研究 | 第40-55页 |
| 4.1 行为表示方法技术 | 第40-41页 |
| 4.2 基于关节点的静态行为特征的提取 | 第41-46页 |
| 4.2.1 关节点数据的预处理 | 第41-42页 |
| 4.2.2 静态行为特征选择 | 第42-46页 |
| 4.3 异常行为特征选择 | 第46-47页 |
| 4.4 多特征融合的动态行为自适应搜索算法 | 第47-54页 |
| 4.4.1 基于人体结构距离的相似度度量 | 第48-52页 |
| 4.4.2 基于结构相似度的特征搜索算法 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 并行化的行为识别算法设计 | 第55-81页 |
| 5.1 传统人体行为识别算法研究 | 第55-56页 |
| 5.2 并行化人工神经网络算法设计 | 第56-74页 |
| 5.2.1 神经网络理论 | 第57-61页 |
| 5.2.2 并行神经网络算法PANN的实现 | 第61-69页 |
| 5.2.3 实验效果 | 第69-74页 |
| 5.3 基于L-BFGS的神经网络权值更新优化 | 第74-78页 |
| 5.3.1 L-BFGS算法原理 | 第74-76页 |
| 5.3.2 基于L-BFGS的PANN算法实现 | 第76-78页 |
| 5.4 实验效果 | 第78-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 系统设计与实验结果分析 | 第81-99页 |
| 6.1 系统总体框架与工作流程 | 第81-83页 |
| 6.1.1 系统框架 | 第81-82页 |
| 6.1.2 系统工作流程 | 第82-83页 |
| 6.2 行为数据定义 | 第83-88页 |
| 6.2.1 日常行为的定义 | 第83-86页 |
| 6.2.2 异常行为的定义 | 第86-87页 |
| 6.2.3 行为数据的采集 | 第87-88页 |
| 6.3 集群环境 | 第88-94页 |
| 6.3.1 HDFS配置 | 第89-91页 |
| 6.3.2 YARN配置 | 第91-92页 |
| 6.3.3 Spark运行环境配置 | 第92-94页 |
| 6.4 实验与结果分析 | 第94-98页 |
| 6.5 本章小结 | 第98-99页 |
| 总结与展望 | 第99-101页 |
| 总结 | 第99-100页 |
| 展望 | 第100-101页 |
| 参考文献 | 第101-107页 |
| 攻读硕士学位期间取得的研究成果 | 第107-108页 |
| 致谢 | 第108-109页 |
| 附件 | 第109页 |