第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1基于机器视觉的动物行为研究
1.2.2基于穿戴式传感器的动物行为研究
1.2.3宠物狗监护产品研究
1.3 本文的主要研究内容
1.4 论文的结构安排
第二章 基础算法研究及工具概述
2.1 图像预处理与数据增强
2.1.1图像缩放
2.1.2数据增广
2.2.1 卷积神经网络的发展
2.2.2 卷积神经网络的结构
2.2.3 目标检测算法概述
2.3.1 Pytorch深度学习框架
2.3.2 安卓平台开发
2.3.3 Socket通信机制
2.4 本章小节
第三章 YOLOV3的轻量化及宠物狗检测模型研究
3.1 YOLOV3检测网络介绍
3.1.1特征提取网络
3.1.2多尺度预测
3.2 CNN的轻量化
3.3 基于YOLOV3的轻量化宠物狗检测网络
3.3.1宠物狗数据集
3.3.2网络模型优化及结果
3.4 本章小节
第四章 宠物狗行为识别网络设计
4.1 宠物狗行为识别网络整体设计
4.2 宠物狗行为分类网络
4.2.1 ShuffleNetV2网络介绍
4.2.2宠物狗行为识别测试
4.3 本章小节
第五章 基于嵌入式平台的宠物狗监护系统的实现与测试
5.1 系统整体设计
5.1.1 系统硬件部分
5.1.2 系统软件设计
5.2.1 Jetson TX2平台介绍
5.2.2 视频图像采集模块
5.2.3 语音交互功能模块
5.3.1 客户端功能设计
5.3.2 客户端技术实现
5.4 系统功能测试
5.4.1 嵌入式平台宠物狗行为监视测试
5.4.2 整体功能测试
5.5本章小结
第六章 总结与展望
致谢
参考文献
附录:攻读硕士期间参与的项目及其他成果
声明
贵州大学;