基于Android的跌倒检测报警系统的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第二章 相关技术背景综述 | 第14-24页 |
| 2.1 Android及其应用组件 | 第14-15页 |
| 2.2 安卓手机内置传感器 | 第15-17页 |
| 2.2.1 三轴加速度传感器 | 第15-16页 |
| 2.2.2 三轴陀螺仪传感器 | 第16-17页 |
| 2.3 支持向量机(SVM)分类算法 | 第17-23页 |
| 2.3.1 SVM简介 | 第18-21页 |
| 2.3.2 LIBSVM | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 信息采集与预处理方案的设计 | 第24-39页 |
| 3.1 人体运动分析 | 第24-27页 |
| 3.1.1 人体运动分类 | 第24-25页 |
| 3.1.2 跌倒分析 | 第25页 |
| 3.1.3 基础数据特征 | 第25-27页 |
| 3.2 人体活动数据采集与存储 | 第27-30页 |
| 3.3 数据样本实验方案设计 | 第30-32页 |
| 3.4 数据预处理 | 第32-38页 |
| 3.4.1 数据加窗处理 | 第32-33页 |
| 3.4.2 滤波去噪处理 | 第33-34页 |
| 3.4.3 相关特征值选取 | 第34-37页 |
| 3.4.4 归一化处理 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 跌倒检测算法的设计 | 第39-52页 |
| 4.1 阈值选定 | 第39-43页 |
| 4.1.1 人体运动信息分析 | 第39-41页 |
| 4.1.2 阈值参数设定 | 第41-43页 |
| 4.2 SVM分类模型的建立 | 第43-47页 |
| 4.3 双重跌倒检测机制 | 第47-49页 |
| 4.4 算法检测评估 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 跌倒检测报警系统的设计与实现 | 第52-65页 |
| 5.1 系统总体设计 | 第52-56页 |
| 5.1.1 设计原则 | 第52-53页 |
| 5.1.2 系统框架 | 第53-54页 |
| 5.1.3 系统总体功能模块 | 第54-56页 |
| 5.2 系统开发环境 | 第56-57页 |
| 5.2.1 硬件环境 | 第56-57页 |
| 5.2.2 软件环境 | 第57页 |
| 5.3 系统实现 | 第57-63页 |
| 5.3.1 数据管理 | 第57-59页 |
| 5.3.2 跌倒判定 | 第59页 |
| 5.3.3 设置联系人及求助信息 | 第59-61页 |
| 5.3.4 跌倒定位和报警 | 第61-63页 |
| 5.4 系统实验测试与结果分析 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 在学期间发表的学术论文及其他科研成果 | 第72页 |
