| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 课题的研究背景及研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-22页 |
| 1.2.1 本体技术在人工智能领域的应用 | 第15-17页 |
| 1.2.2 图像分类的研究现状 | 第17-19页 |
| 1.2.3 家庭环境下人体行为理解的研究现状 | 第19-22页 |
| 1.3 本文研究内容 | 第22-23页 |
| 1.4 论文章节安排 | 第23-26页 |
| 第二章 家庭智能空间下人体行为本体库的构建 | 第26-38页 |
| 2.1 智能空间 | 第26-28页 |
| 2.2 本体技术 | 第28-30页 |
| 2.3 家庭智能空间下人体行为本体库的建模与查询 | 第30-34页 |
| 2.3.1 人体行为本体库的建模 | 第30-33页 |
| 2.3.2 人体行为本体库的查询 | 第33页 |
| 2.3.3 人体行为本体库的更新 | 第33-34页 |
| 2.4 实验与分析 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 家庭环境下基于残差网络的人体动作识别 | 第38-50页 |
| 3.1 深度神经网络介绍 | 第38-41页 |
| 3.1.1 深度卷积神经网络 | 第38-40页 |
| 3.1.2 深度残差神经网络结构 | 第40-41页 |
| 3.2 基于高斯混合模型的前景提取 | 第41-44页 |
| 3.3 基于残差网络的人体动作识别 | 第44-47页 |
| 3.3.1 人体动作识别算法整体流程 | 第44-45页 |
| 3.3.2 人体动作识别模型构建及训练 | 第45-47页 |
| 3.4 实验与分析 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 一种基于DSmT的物品融合识别算法 | 第50-62页 |
| 4.1 Caffe框架下的模型微调 | 第50-51页 |
| 4.2 基于DSmT的物品融合识别算法框架 | 第51-55页 |
| 4.2.1 DSmT建模及其组合规则 | 第52-53页 |
| 4.2.2 证据源的基本信度赋值 | 第53-54页 |
| 4.2.3 物品融合识别算法时间复杂度 | 第54-55页 |
| 4.3 基于DSmT的物品融合识别算法流程 | 第55-56页 |
| 4.4 实验与分析 | 第56-59页 |
| 4.4.1 方法正确识别率 | 第56-57页 |
| 4.4.2 DSmT的作用 | 第57页 |
| 4.4.3 DSmT的有效拒判 | 第57-58页 |
| 4.4.4 识别率与门限值 | 第58页 |
| 4.4.5 方法对比实验 | 第58-59页 |
| 4.5 本章小结 | 第59-62页 |
| 第五章 家庭智能空间下基于语义推理的人体行为理解 | 第62-74页 |
| 5.1 人体行为理解总体框架设计 | 第62-64页 |
| 5.2 目标位置定位 | 第64-66页 |
| 5.2.1 基于RPN网络的物品位置定位 | 第64-65页 |
| 5.2.2 基于AdaBoost算法的人体部位定位 | 第65-66页 |
| 5.3 基于语义推理的人体行为理解 | 第66-70页 |
| 5.3.1 人体行为规则库的创建 | 第66-68页 |
| 5.3.2 人体行为的语义推理 | 第68-70页 |
| 5.4 实验与分析 | 第70-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 研究内容总结 | 第74-75页 |
| 6.2 研究内容展望 | 第75-76页 |
| 参考文献 | 第76-84页 |
| 致谢 | 第84-86页 |
| 硕士期间发表的论文和科研成果 | 第86页 |
| 硕士期间参加的科研工作 | 第86-87页 |
| 学位论文评阅及答辩情况表 | 第87页 |