| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 老人跌倒检测算法研究综述 | 第11-15页 |
| 1.2.1 基于可穿戴式传感器的老人跌倒检测方法 | 第11-13页 |
| 1.2.2 基于场景设备的跌倒检测 | 第13-14页 |
| 1.2.3 基于视觉传感器的跌倒检测 | 第14-15页 |
| 1.3 老人跌倒检测存在的问题 | 第15-16页 |
| 1.4 本文的研究内容和结构安排 | 第16-18页 |
| 1.4.1 本文的研究内容 | 第16页 |
| 1.4.2 论文的结构安排 | 第16-18页 |
| 第2章 运动目标检测 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 运动目标检测常用算法 | 第18-20页 |
| 2.2.1 帧间差分法 | 第18-19页 |
| 2.2.2 光流法 | 第19页 |
| 2.2.3 背景减除法 | 第19-20页 |
| 2.3 融合LBP和色度特征的目标检测 | 第20-23页 |
| 2.3.1 LBP算子 | 第20-21页 |
| 2.3.2 色度特征 | 第21-22页 |
| 2.3.3 融合LBP和色度目标检测 | 第22-23页 |
| 2.4 实验结果与分析 | 第23-25页 |
| 2.5 小结 | 第25-26页 |
| 第3章 运动目标跟踪 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 运动目标跟踪概述 | 第26-27页 |
| 3.2.1 运动目标跟踪简介 | 第26页 |
| 3.2.2 运动目标跟踪常用方法 | 第26页 |
| 3.2.3 运动目标跟踪难点分析 | 第26-27页 |
| 3.3 基于Kalman预测的Camshift多特征运动目标跟踪 | 第27-33页 |
| 3.3.1 Kalman滤波器目标跟踪 | 第28-29页 |
| 3.3.2 Camshift运动目标跟踪 | 第29-30页 |
| 3.3.3 融合LBP和色度特征的Camshift目标跟踪 | 第30-32页 |
| 3.3.4 结合Kalman预测的Camshift多特征融合的目标跟踪 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-36页 |
| 3.5 小结 | 第36-37页 |
| 第4章 基于运动目标跟踪异常的跌倒检测 | 第37-46页 |
| 4.1 引言 | 第37页 |
| 4.2 基于运动跟踪的跌倒检测策略 | 第37-43页 |
| 4.2.1 运动跟踪异常情景综述 | 第37-38页 |
| 4.2.2 老人跟踪异常的几种情况分析 | 第38-43页 |
| 4.3 实验结果与分析 | 第43-45页 |
| 4.4 小结 | 第45-46页 |
| 第5章 不同生活场景下的跌倒检测 | 第46-60页 |
| 5.1 引言 | 第46页 |
| 5.2 坐姿状态下的异常判断 | 第46-53页 |
| 5.2.1 图像的HOG特征 | 第46-49页 |
| 5.2.2 SVM分类器 | 第49-50页 |
| 5.2.3 基于HOG特征老人的微动作检测 | 第50-52页 |
| 5.2.4 实验结果与分析 | 第52-53页 |
| 5.3 生活中各种状态下的跌倒判断 | 第53-59页 |
| 5.3.1 特征的选取 | 第53-58页 |
| 5.3.2 不同状态的跌倒检测 | 第58-59页 |
| 5.3.3 实验结果与分析 | 第59页 |
| 5.4 小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 本文主要研究工作总结 | 第60-61页 |
| 6.2 今后工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间论文发表及科研情况 | 第67页 |
