1. 毕业设计（论文）主要内容：
行为识别是计算机视觉领域的一个重要研究分支,近十几年来,计算机硬件性能巨大提升,在众多研究者和工程师的不懈努力下,行为识别技术得以快速发展。每天产生的视频数据呈现指数级增长,因此迫切需要识别精度高、鲁棒性好的行为识别算法。它的快速发展不仅能给人们的生活带来巨大的方便,而且可以为社会带来巨大的经济效益。研究人体行为识别的算法可以分为传统算法和深度学习算法。传统算法十分依赖人工提取的特征,不仅复杂耗时,而且泛化性很差。相比之下,近几年出现的深度学习算法能够自主学习特征,因此更加准确和高效。
在识别过程中，针对当前精确度不高的问题，着力于提高识别精度
通过上述方式，利用该图像完成了检测，识别，设计并实现了一个简单的行为识别系统，
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 毕业设计（论文）主要任务及要求
1.学习深度学习理论相关知识，了解基本的神经网络结构，激活函数，行为识别的发展
2.研究从图像输入到识别过程中各个阶段的原理，像卷积、池化、全连接层等的作用
3.将理论与实际相结合，采取合适的网络结构，搭建系统框架，进行识别工作，取得较好的效果
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 毕业设计（论文）完成任务的计划与安排
时间节点：
(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 主要参考文献
[1]杨天金,侯振杰,李兴,梁久祯,宦娟,郑纪翔.多聚点子空间下的时空信息融合及其在行为识别中的应用[J/OL].自动化学报:1-13[2019-12-13].https://doi.org/10.16383/j.aas.c190327.[2]谢澈澈. 基于深度学习和无监督域适应的跨用户行为识别研究[D].华南理工大学,2019.[3]韩丽丽. 基于LSTM的人体行为识别方法研究[D].北京交通大学,2019.[4]袁鹏程. 基于卷积神经网络的人体姿态识别算法研究[D].西安石油大学,2019.[5]林闯. 基于深度学习的视频行为识别研究[D].北京邮电大学,2019.[6]刘潇. 基于深度学习的人体行为识别技术的研究与应用[D].北京邮电大学,2019.[7]蔡淳淳. 人体姿态识别新方法[D].北京交通大学,2019.[8]张宇. 基于时间序列的人体行为识别算法研究[D].北京邮电大学,2019.[9]曹鑫坤. 基于深度学习的监控视频分析与事件检测[D].北京邮电大学,2019.[10]汪先远. 基于深度学习的人体行为识别研究[D].北京交通大学,2019.[11]李超. 基于卷积神经网络的人体行为分析与步态识别研究[D].浙江大学,2019.[12]张士伟. 视频序列中的人体行为检测识别方法研究[D].华中科技大学,2019.[13]姚光乐. 视频序列中的行为识别技术研究[D].电子科技大学,2019.[14]肖朔晨. 基于多源数据的移动通信用户行为识别及个性化推荐研究[D].北京邮电大学,2018.[15]田艺. 基于多样本与零样本学习的人体行为识别研究[D].北京交通大学,2018.[16]仉长崎. 基于视觉感知运动对象行为理解[D].上海大学,2018.
[17]Wang H, Klser A, Schmid C, et al. Action recognition by dense trajectories[C]. 2011.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
