成本低、重量轻、体积小、电池续航时间长、内嵌多种传感器、计算能力强等特征，标志着当前移动计算设备的硬件能力已经发展到足以满足人类日常生活需求的水平。当这些高度集成的计算系统以可穿戴的形式捕捉、存储、理解甚至响应人们日常生活中的行为时，无疑赋予人类在记忆、挖掘、信息交互等方面的“超能力”，并必将改变人类的日常生活。然而，为达到这一目标，必须再赋予可穿戴式计算像人一样进行语义理解的“软能力”。这就需要充分应用当前人工智能算法、语义网、大数据等技术对可穿戴式设备所采集的多媒体数据进行深度理解，以一种便于与人类沟通的内容形式呈现给用户，以构建个性化的应用。本书以可穿戴式日常行为感知这一多媒体大数据的研究为题，从可穿戴式视觉采集设备所记录的多媒体信息的语义理解出发，分别介绍了这种语义感知的基本思路、流程和技术，并结合实际应用，研究了系统的方法架构，并对主要的技术模块进行说明和评估。由于本研究涉及可穿戴式数据采集、多媒体信息检索、语义感知、大数据处理、人机交互和人机界面等多学科，因此可以作为计算机应用领域的研究人员，尤其是多媒体和大数据以及信息检索、人机交互方向的科研人员的参考书。对新技术和新兴产业如可穿戴式计算技术和设备等感兴趣的读者也可以参考本书的内容，以提高对相关领域技术和应用的认识。

王鹏，中国科学院软件研究所副研究员，硕士生导师。主要从事卫星智能任务规划、无人自主系统仿真、用户行为分析等方向的研究。主持了国家自然科学基金面上项目、青年项目等多个国家级和省部级科研项目，获省部级科技进步奖3项，发表学术论文30余篇，授权国家发明专利6项，出版学术专著1部、译著2部。

第1章 可穿戴式产品简介
1.1 背景介绍
1.2 可穿戴式产品的市场及应用
1.3 典型可穿戴式感知设备
1.4 本章小结
参考文献
第2章 可穿戴式语义感知的相关研究现状
2.1 可穿戴式感知的应用现状
2.2 多媒体语义检索研究现状
2.3 多概念探测研究现状
2.4 概念驱动的行为识别现状
2.5 本章小结
参考文献
第3章 基于语义的视觉媒体处理
3.1 特征提取及表示
3.1.1 低层特征
3.1.2 高层特征
3.2 基于内容和基于概念的检索
3.2.1 基于内容的检索
3.2.2 基于概念的检索
3.2.3 概念选择/查询扩展
3.3 以事件为中心的媒体处理
3.4 日常行为感知及挑战
3.4.1 日常行为感知——以SenseCam为例
3.4.2 可穿戴式行为感知处理框架
3.4.3 面临的新挑战
3.5 本章小结
参考文献
第4章 可穿戴式日常行为语义空间
4.1 事件相关的概念分布特征
4.2 基于事件语义的视觉处理
4.3 事件语义空间
4.3.1 日常活动的选择
4.3.2 主题相关的概念
4.3.3 事件语义空间形式化
4.3.4 语义空间构建用户实验
4.4 语义空间中的概念关系
4.4.1 基于分类学的词汇相似度
4.4.2 上下文本体相似度和相关性
4.5 语义概念在事件表示中的应用
4.5.1 基于兴趣度的概念聚合
4.5.2 一种VSM形式的语义表示
4.5.3 应用效果分析
4.6 本章小结
参考文献
第5章 训练无关的语义概念增强方法
5.1 方法出发点
5.2 方法描述
5.2.1 概念探测结果分解
5.2.2 集成概念本体
5.2.3 收敛性证明
5.2.4 近邻相似性传播
5.3 语义平滑的索引增强
5.3.1 算法形式化
5.3.2 概念相关性的外部推理
5.4 实验及结果讨论
5.4.1 在数据集一上的评估结果
5.4.2 在数据集二上的评估结果
5.4.3 不同语义在算法中的作用
5.4.4 算法效率分析
5.4.5 引入语义平滑约束
5.5 本章小结
参考文献
第6章 基于外部知识的检索增强方法
6.1 语义多概念探测
6.1.1 创建概念本体
6.1.2 基于本体的多概念探测优化
6.2 基于语义密度的概念选择
6.2.1 文本预处理
6.2.2 合取概念的相似度
6.2.3 基于密度的概念选择
6.3 利用相似度进行概念排序
6.3.1 概念相似度模型
6.3.2 相似度排序
6.4 实验分析
6.4.1 多概念探测评估
6.4.2 概念选择评估
6.5 本章小结
参考文献
第7章 概念的动态组织及时序行为识别
7.1 方法框架描述
7.2 基于动态语义属性的行为识别
7.2.1 基于HMM的行为识别方法
7.2.2 用HMM费舍尔核进行活动分类
7.2.3 基于HCRF的行为识别方法
7.3 时间感知的概念探测增强
7.3.1 基于WNTF的索引增强方法
7.3.2 有效性分析
7.3.3 计算复杂度分析
7.4 实验和评估
7.4.1 实验数据集
7.4.2 基于WNTF的概念探测增强评估
7.4.3 基于HMM的日常行为识别评估
7.4.4 基于HMM费舍尔核行为识别评估
7.4.5 基于HCRF行为识别评估
7.5 本章小结
参考文献
第8章 概念驱动的行为识别影响要素分析
8.1 背景介绍
8.2 实验数据集
8.3 实验方法
8.4 实验结果
8.5 结果讨论
8.6 本章小结
参考文献
第9章 事件建模和上下文增强
9.1 语义表示和模型语言
9.1.1 本体
9.1.2 资源描述框架（RDF/RDFS）
9.1.3 OWL
9.2 上下文事件增强框架
9.2.1 一个说明场景
9.2.2 基于多上下文的事件本体
9.2.3 EventCube：一个增强的事件册
9.3 事件语义增强和查询
9.3.1 关联开放数据和SPARQL查询
9.3.2 位置增强
9.3.3 社交上下文增强
9.4 事件语义增强用例
9.4.1 用例设置
9.4.2 社交上下文增强的语义对齐
9.4.3 事件为中心的增强应用
9.5 本章小结
参考文献