基于条件随机场的参与式跌倒检测方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1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 研究内容 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 第2章 预备知识 | 第14-24页 |
| 2.1 跌倒与日常动作分析 | 第14-15页 |
| 2.1.1 跌倒原因 | 第14页 |
| 2.1.2 跌倒分析 | 第14-15页 |
| 2.1.3 跌倒与日常动作的上下文关系 | 第15页 |
| 2.2 参与式感知 | 第15-17页 |
| 2.3 支持向量机 | 第17-18页 |
| 2.4 联系上下文行为识别方法 | 第18-22页 |
| 2.4.1 隐马尔科夫模型 | 第19-20页 |
| 2.4.2 条件随机场模型 | 第20-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 基于参与式感知的动作识别 | 第24-33页 |
| 3.1 引言 | 第24-25页 |
| 3.2 系统架构 | 第25页 |
| 3.3 信号采集及预处理 | 第25-27页 |
| 3.4 特征提取 | 第27-31页 |
| 3.4.1 峰值特征提取 | 第27-28页 |
| 3.4.2 协方差特征提取 | 第28-29页 |
| 3.4.3 频域特征提取 | 第29-30页 |
| 3.4.4 其他特征提取 | 第30-31页 |
| 3.5 基于SVM的初步行为分类 | 第31页 |
| 3.6 本章小结 | 第31-33页 |
| 第4章 基于条件随机场的跌倒检测 | 第33-45页 |
| 4.1 CRF模型联系上下文的能力 | 第33-35页 |
| 4.2 系统架构 | 第35页 |
| 4.3 CRF模型构建 | 第35-40页 |
| 4.3.1 动作序列标注 | 第36-37页 |
| 4.3.2 特征函数定义 | 第37-38页 |
| 4.3.3 上下文特征 | 第38-39页 |
| 4.3.4 特征模板 | 第39-40页 |
| 4.4 模型学习和推断 | 第40-43页 |
| 4.4.1 参数估计方法 | 第40-41页 |
| 4.4.2 训练算法 | 第41-42页 |
| 4.4.3 跌倒推断 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 实验性能分析 | 第45-53页 |
| 5.1 实验仿真环境 | 第45页 |
| 5.2 数据采集与预处理 | 第45-46页 |
| 5.3 特征提取和行为分类实验分析 | 第46-48页 |
| 5.3.1 阈值对精度的影响 | 第47页 |
| 5.3.2 窗口大小的选择 | 第47页 |
| 5.3.3 收敛时间的比较 | 第47-48页 |
| 5.4 CRF模型判定跌倒实验分析 | 第48-51页 |
| 5.4.1 特征函数的选择 | 第50-51页 |
| 5.4.2 参数训练 | 第51页 |
| 5.5 误差分析和讨论 | 第51-52页 |
| 5.6 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60页 |
