| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 跌倒检测研究现状 | 第11-15页 |
| 1.2.1 基于穿戴式的跌倒检测研究现状 | 第11-13页 |
| 1.2.2 基于环境式的跌倒检测研究现状 | 第13-14页 |
| 1.2.3 基于计算机视觉的跌倒检测研究现状 | 第14-15页 |
| 1.3 本文主要工作及章节安排 | 第15-18页 |
| 1.3.1 主要工作 | 第15-16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第二章 系统平台 | 第18-27页 |
| 2.1 平台选择 | 第18-19页 |
| 2.2 树莓派简介 | 第19-21页 |
| 2.3 OpenCV开源计算机视觉库 | 第21-23页 |
| 2.3.1 OpenCV基本功能 | 第22页 |
| 2.3.2 OpenCV常用模块 | 第22-23页 |
| 2.4 OpenCV在树莓派上的配置 | 第23-26页 |
| 2.4.1 树莓派上安装Raspbian系统 | 第23-24页 |
| 2.4.2 树莓派上配置OpenCV+python支持 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 图像预处理 | 第27-38页 |
| 3.1 图像平滑处理 | 第27-31页 |
| 3.1.1 高斯滤波 | 第27-29页 |
| 3.1.2 中值滤波 | 第29-30页 |
| 3.1.3 双边滤波 | 第30-31页 |
| 3.1.4 小结 | 第31页 |
| 3.2 阈值处理 | 第31-33页 |
| 3.3 数学形态学滤波 | 第33-36页 |
| 3.3.1 膨胀与腐蚀 | 第34-35页 |
| 3.3.2 开运算与闭运算 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 改进的基于人体比例特征摔倒检测 | 第38-50页 |
| 4.1 运动目标检测 | 第38-41页 |
| 4.2 改进的摔倒检测算法 | 第41-45页 |
| 4.2.1 人体宽高比 | 第42页 |
| 4.2.2 人体有效面积比 | 第42-43页 |
| 4.2.3 中心变化 | 第43-44页 |
| 4.2.4 算法流程 | 第44-45页 |
| 4.3 实验结果及分析 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于HOG特征与SVM的摔倒检测 | 第50-68页 |
| 5.1 HOG特征提取 | 第50-55页 |
| 5.1.1 HOG特征基本思想 | 第50-51页 |
| 5.1.2 HOG图像特征提取 | 第51-55页 |
| 5.2 滑动窗口法 | 第55-59页 |
| 5.2.1 滑动窗口法分类 | 第55-56页 |
| 5.2.2 窗口融合方法 | 第56-59页 |
| 5.3 支持向量机与算法实现 | 第59-65页 |
| 5.3.1 支持向量机理论 | 第59-62页 |
| 5.3.2 支持向量机训练 | 第62页 |
| 5.3.3 算法实现流程 | 第62-65页 |
| 5.4 实验结果与分析 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 本文创新点 | 第69页 |
| 6.3 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74-75页 |