基于智能移动终端的人体运动状态监测系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 智能手机应用的发展 | 第10-13页 |
| 1.2.1 Android | 第10-11页 |
| 1.2.2 iOS | 第11-12页 |
| 1.2.3 Android 及 iOS 对比 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文结构 | 第14-15页 |
| 第二章 移动健康应用 | 第15-23页 |
| 2.1 移动健康应用现状 | 第15-17页 |
| 2.2 现有产品与本应用研究的对比 | 第17-19页 |
| 2.3 人体行为识别的研究现状 | 第19-21页 |
| 2.4 穿戴式计算 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 三轴加速度信号采集 | 第23-30页 |
| 3.1 实现的功能 | 第23页 |
| 3.2 开发平台 | 第23-24页 |
| 3.3 系统框架 | 第24页 |
| 3.4 各模块说明 | 第24-29页 |
| 3.4.1 数据采集 | 第24-26页 |
| 3.4.2 设置界面 | 第26页 |
| 3.4.3 数据查看界面 | 第26-27页 |
| 3.4.4 数据文件管理器 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 ANDROID 平台的人体行为识别应用 | 第30-60页 |
| 4.1 应用简介 | 第30-32页 |
| 4.1.1 实现的功能 | 第30-31页 |
| 4.1.2 开发平台 | 第31页 |
| 4.1.3 系统框架 | 第31-32页 |
| 4.2 各模块介绍 | 第32-41页 |
| 4.2.1 主界面 | 第33-34页 |
| 4.2.2 信息界面 | 第34-35页 |
| 4.2.3 设置界面 | 第35-38页 |
| 4.2.4 更多界面 | 第38-41页 |
| 4.2.5 通知栏 | 第41页 |
| 4.3 系统主要功能的算法原理及实现 | 第41-46页 |
| 4.3.1 基本动作状态识别算法 | 第41-43页 |
| 4.3.2 跌倒检测 | 第43-44页 |
| 4.3.3 久坐检测 | 第44页 |
| 4.3.4 GPS 运动轨迹 | 第44-46页 |
| 4.4 性能优化 | 第46-50页 |
| 4.4.1 算法加速 | 第46-47页 |
| 4.4.2 省电处理 | 第47-50页 |
| 4.5 测试过程 | 第50-55页 |
| 4.5.1 功能测试 | 第51-54页 |
| 4.5.2 稳定性测试 | 第54-55页 |
| 4.6 新旧版对比 | 第55页 |
| 4.7 技术难点 | 第55-59页 |
| 4.7.1 电池续航 | 第56页 |
| 4.7.2 稳定运行 | 第56-58页 |
| 4.7.3 单例设计模式的应用 | 第58-59页 |
| 4.8 本章小结 | 第59-60页 |
| 第五章 IOS 平台的人体行为识别应用 | 第60-66页 |
| 5.1 简介 | 第60-62页 |
| 5.1.1 实现的功能 | 第60页 |
| 5.1.2 开发平台 | 第60页 |
| 5.1.3 系统框架 | 第60-62页 |
| 5.2 应用设计方法 | 第62-63页 |
| 5.2.1 界面的设计 | 第62-63页 |
| 5.2.2 算法的设计 | 第63页 |
| 5.3 应用使用说明 | 第63-64页 |
| 5.4 成果展示 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
