单传感器数据驱动的人体周期性运动行为的识别方法研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第15-26页 |
| 1.1 研究背景与研究意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-24页 |
| 1.3 本文主要工作与内容安排 | 第24-26页 |
| 第二章 基于函数型数据时间序列建模的行为识别 | 第26-45页 |
| 2.1 引言 | 第26-27页 |
| 2.2 运动捕捉数据集的建立 | 第27-31页 |
| 2.3 数据预处理 | 第31-33页 |
| 2.3.1 特征部位 | 第31-32页 |
| 2.3.2 特征信号 | 第32-33页 |
| 2.4 本文算法描述 | 第33-38页 |
| 2.4.1 动作捕捉数据的函数化 | 第33-34页 |
| 2.4.2 函数化中k的取值与周期的提取 | 第34-35页 |
| 2.4.3 动捕数据的HMM建模 | 第35-38页 |
| 2.5 实验结果及分析 | 第38-43页 |
| 2.5.1 三个数据集上的实验结果 | 第38-40页 |
| 2.5.2 用户独立和用户依赖实验结果 | 第40-41页 |
| 2.5.3 算法进一步对比分析 | 第41-43页 |
| 2.6 本章小结 | 第43-45页 |
| 第三章 单传感器数据驱动的人体短时行为识别方法 | 第45-57页 |
| 3.1 引言 | 第45-47页 |
| 3.2 数据分割 | 第47-50页 |
| 3.2.1 数据切割 | 第47-49页 |
| 3.2.2 短时样本长度的确定 | 第49-50页 |
| 3.3 测试样本与模板样本的匹配算法 | 第50-53页 |
| 3.3.1 相似性度量 | 第50-51页 |
| 3.3.2 构建相似直方图 | 第51-52页 |
| 3.3.3 测试样本与模板样本不一致问题 | 第52-53页 |
| 3.4 实验结果 | 第53-56页 |
| 3.4.1 在两个数据集上的混淆矩阵结果 | 第53-54页 |
| 3.4.2 与传统算法的对比结果 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 工作总结与展望 | 第57-59页 |
| 4.1 工作总结 | 第57页 |
| 4.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间完成的论文和参与的科研项目 | 第65页 |
