基于3轴加速度传感器及陀螺仪的老年人摔倒识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·意义 | 第8-9页 |
| ·人口老龄化现象 | 第8-9页 |
| ·摔倒危害及摔倒检测研究的重要意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·常见摔倒检测方法 | 第9-10页 |
| ·国内外摔倒检测系统现状 | 第10-11页 |
| ·本文的主要工作、内容及结构 | 第11-14页 |
| ·本文主要工作 | 第11页 |
| ·本文的主要研究内容 | 第11-12页 |
| ·论文结构分布 | 第12-14页 |
| 第2章 摔倒信息检测与获取 | 第14-30页 |
| ·摔倒过程的运动特征 | 第14-16页 |
| ·系统总体设计 | 第16-17页 |
| ·系统硬件设计 | 第17-21页 |
| ·元器件选取 | 第17-19页 |
| ·集成化思想的硬件设计 | 第19-21页 |
| ·系统软件设计 | 第21-23页 |
| ·Arduino 开发板开发 | 第21-22页 |
| ·Android 手机端开发 | 第22-23页 |
| ·人体特征部位 | 第23-24页 |
| ·数据样本设计 | 第24-25页 |
| ·数据样本获取 | 第25-26页 |
| ·检测装置实物图 | 第26-27页 |
| ·本章小结 | 第27-30页 |
| 第3章 基于阈值分析的老年人摔倒识别算法 | 第30-38页 |
| ·摔倒过程信息提取 | 第30-32页 |
| ·基于支持向量机（SVM）的阈值确定算法 | 第32-34页 |
| ·基于支持向量机的摔倒过程识别方法 | 第32-33页 |
| ·样本集选取 | 第33页 |
| ·阈值的确定 | 第33-34页 |
| ·基于阈值分析的老年人摔倒识别 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于朴素贝叶斯算法的阈值获取 | 第38-44页 |
| ·老年人摔倒过程提取 | 第38页 |
| ·朴素贝叶斯算法原理分析 | 第38-39页 |
| ·基于朴素贝叶斯算法的阈值获取 | 第39-43页 |
| ·Weka 简介 | 第39-40页 |
| ·基于 Weka 的摔倒数据分析 | 第40-42页 |
| ·基于朴素贝叶斯算法的摔倒数据分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 实验与分析 | 第44-54页 |
| ·实验设计 | 第44-45页 |
| ·训练实验结果 | 第45-51页 |
| ·合加速度变化分析 | 第45-48页 |
| ·角速度变化分析 | 第48-49页 |
| ·训练实验结果散点图 | 第49-51页 |
| ·训练结果分析 | 第51页 |
| ·摔倒识别阈值评估 | 第51-52页 |
| ·基于支持向量机确定阈值的实验结果测试 | 第51-52页 |
| ·基于朴素贝叶斯算法确定阈值的实验结果测试 | 第52页 |
| ·本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
