| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 手势识别研究现状 | 第12-13页 |
| 1.2.2 基于传感器的行为识别现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 深度学习理论 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 深度学习简介 | 第16-17页 |
| 2.3 卷积神经网络 | 第17-21页 |
| 2.3.1 卷积层 | 第17页 |
| 2.3.2 池化层 | 第17页 |
| 2.3.3 经典卷积网络模型 | 第17-21页 |
| 2.4 循环神经网络 | 第21-22页 |
| 2.5 激活函数 | 第22-23页 |
| 2.6 深度学习中的目标检测框架及非极大值抑制算法 | 第23-29页 |
| 2.6.1 Faster rcnn目标检测框架 | 第23-26页 |
| 2.6.2 SSD目标检测框架 | 第26-27页 |
| 2.6.3 非极大值抑制算法 | 第27-29页 |
| 2.7 深度学习评价指标 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 深度卷积网络的手势识别 | 第31-50页 |
| 3.1 引言 | 第31页 |
| 3.2 手势数据集介绍 | 第31-32页 |
| 3.3 手势数据集处理 | 第32-33页 |
| 3.4 基于YOLO手势识别算法 | 第33-38页 |
| 3.4.1 YOLO算法原理 | 第33-34页 |
| 3.4.2 YOLO网络设计 | 第34-35页 |
| 3.4.3 YOLO损失函数设计 | 第35-36页 |
| 3.4.4 YOLO系列 | 第36-38页 |
| 3.5 基于YOLOv3手势识别环境配置与训练过程 | 第38-41页 |
| 3.5.1 环境配置 | 第38-39页 |
| 3.5.2 训练过程 | 第39-41页 |
| 3.6 基于改进后的深度卷积网络手势识别 | 第41-42页 |
| 3.7 基于改进后的深度卷积网络模型压缩后的手势识别 | 第42-45页 |
| 3.8 手势识别实验结果及分析 | 第45-49页 |
| 3.9 本章小结 | 第49-50页 |
| 第四章 基于传感器的人体行为识别 | 第50-58页 |
| 4.1 引言 | 第50页 |
| 4.2 基于传感器的人体行为识别的算法流程 | 第50页 |
| 4.3 数据集介绍 | 第50-51页 |
| 4.4 数据处理 | 第51-52页 |
| 4.5 人体行为分类算法研究 | 第52-55页 |
| 4.5.1 逻辑回归 | 第53-54页 |
| 4.5.2 决策树 | 第54页 |
| 4.5.3 k近邻 | 第54-55页 |
| 4.6 卷积神经网络对人体行为识别 | 第55-56页 |
| 4.7 实验结果及分析 | 第56-57页 |
| 4.8 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 后续工作与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参与的项目 | 第65页 |
