| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 跌倒监测方法的国内外研究现状 | 第12-17页 |
| 1.2.1 基于图像识别和地板振动的跌倒监测 | 第12-13页 |
| 1.2.2 基于可穿戴式设备的跌倒监测 | 第13-16页 |
| 1.2.3 跌倒预警防护装置 | 第16页 |
| 1.2.4 几种跌倒监测方法对比 | 第16-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-19页 |
| 第二章 跌倒实验设计及实验数据分析 | 第19-33页 |
| 2.1 人体活动模式分类 | 第19-20页 |
| 2.1.1 基本日常活动和类跌倒活动 | 第19页 |
| 2.1.2 跌倒活动 | 第19-20页 |
| 2.2 跌倒实验设计 | 第20-25页 |
| 2.2.1 实验目的 | 第20页 |
| 2.2.2 实验场地布置 | 第20-21页 |
| 2.2.3 人体姿态捕捉设备的选择及Xsens惯性传感器系统介绍 | 第21-23页 |
| 2.2.4 实验对象选取及传感器节点配置 | 第23页 |
| 2.2.5 实验方案 | 第23-25页 |
| 2.3 实验数据分析 | 第25-32页 |
| 2.3.1 三轴传感器数据合成 | 第25-26页 |
| 2.3.2 加速度数据分析 | 第26-30页 |
| 2.3.3 角速度数据分析 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 跌倒监测算法设计 | 第33-52页 |
| 3.1 问题与相关研究 | 第33-34页 |
| 3.2 基于BP神经网络的跌倒监测算法 | 第34-42页 |
| 3.2.1 算法评价指标 | 第34-35页 |
| 3.2.2 特征提取 | 第35-40页 |
| 3.2.3 算法设计 | 第40-42页 |
| 3.3 实验设计 | 第42-44页 |
| 3.4 实验结果与分析 | 第44-50页 |
| 3.4.1 单部位结果与分析 | 第44-46页 |
| 3.4.2 多部位结果与分析 | 第46-49页 |
| 3.4.3 几种基于手机的跌倒监测系统对比 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 跌倒监测系统的设计与实现 | 第52-72页 |
| 4.1 系统设计目标与原则 | 第52-54页 |
| 4.2 系统总体架构 | 第54-55页 |
| 4.3 后台服务器 | 第55-59页 |
| 4.4 跌倒监测软件 | 第59-71页 |
| 4.4.1 实现方法概述 | 第59-60页 |
| 4.4.2 参数设置界面 | 第60-63页 |
| 4.4.3 定位与报警 | 第63-66页 |
| 4.4.4 跌倒监测 | 第66-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 结论 | 第72-75页 |
| 5.1 本文工作总结及创新点 | 第72-73页 |
| 5.2 下一步工作的展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |