数据驱动的老年人行为识别系统设计
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
1 绪论 | 第9-21页 |
1.1 引言 | 第9页 |
1.2 研究背景和意义 | 第9-11页 |
1.3 国内外研究现状 | 第11-18页 |
1.3.1 养老社区研究现状 | 第11-12页 |
1.3.2 智慧空间研究现状 | 第12-14页 |
1.3.3 大数据分析研究现状 | 第14-18页 |
1.4 研究内容与论文框架 | 第18-20页 |
1.4.1 研究内容 | 第18-19页 |
1.4.2 论文框架 | 第19-20页 |
1.5 本章小结 | 第20-21页 |
2 智慧养老社区构建内容 | 第21-27页 |
2.1 引言 | 第21页 |
2.2 老年人需求分析 | 第21-23页 |
2.2.1 基本生活需求 | 第21-22页 |
2.2.2 健康养护需求 | 第22-23页 |
2.2.3 其他需求 | 第23页 |
2.3 智慧养老社区的概念 | 第23页 |
2.4 智慧养老社区情景规划 | 第23-26页 |
2.4.1 情景规划对智慧养老社区设计的启示 | 第24页 |
2.4.2 情景规划在智慧养老社区设计中的应用 | 第24-26页 |
2.5 本章小结 | 第26-27页 |
3 老年人室内定位系统设计 | 第27-39页 |
3.1 引言 | 第27页 |
3.2 定位系统的设计原理 | 第27-28页 |
3.3 定位系统的数据采集设备 | 第28-29页 |
3.4 定位系统的关键算法 | 第29-32页 |
3.4.1 密度峰值聚类算法 | 第29-30页 |
3.4.2 随机森林算法 | 第30-31页 |
3.4.3 模型选择算法 | 第31-32页 |
3.5 实验结果与分析 | 第32-38页 |
3.5.1 数据准备 | 第32-34页 |
3.5.2 指纹数据库 | 第34-35页 |
3.5.3 模型参数选择 | 第35-36页 |
3.5.4 定位结果分析 | 第36-38页 |
3.6 本章小结 | 第38-39页 |
4 老年人跌倒检测系统设计 | 第39-53页 |
4.1 引言 | 第39页 |
4.2 跌倒检测系统的设计 | 第39-40页 |
4.3 跌倒检测数据获取源 | 第40-41页 |
4.4 卷积神经网络模型 | 第41-46页 |
4.4.1 模型激活函数 | 第41-42页 |
4.4.2 局部感知与权值共享 | 第42-43页 |
4.4.3 卷积与下采样 | 第43页 |
4.4.4 模型优化算法 | 第43-46页 |
4.5 实验结果与分析 | 第46-52页 |
4.5.1 数据预处理 | 第47-49页 |
4.5.2 模型结构设计 | 第49-51页 |
4.5.3 模型参数优化 | 第51页 |
4.5.4 跌倒检测结果 | 第51-52页 |
4.6 本章小结 | 第52-53页 |
5 老年人行为识别系统设计 | 第53-62页 |
5.1 引言 | 第53页 |
5.2 行为识别系统的设计 | 第53-54页 |
5.3 隐马尔科夫模型 | 第54-56页 |
5.3.1 模型的结构 | 第54-55页 |
5.3.2 模型的训练 | 第55-56页 |
5.3.3 模型的识别与检测 | 第56页 |
5.4 时间序列数据表达 | 第56-58页 |
5.4.1 位置与轨迹观测序列 | 第57-58页 |
5.4.2 人体三维观测序列 | 第58页 |
5.5 模型的检验 | 第58-61页 |
5.5.1 模型参数 | 第58-59页 |
5.5.2 模型识别 | 第59-61页 |
5.6 本章小结 | 第61-62页 |
6 智慧监护服务系统平台 | 第62-72页 |
6.1 引言 | 第62页 |
6.2 系统总体实现框架 | 第62-63页 |
6.3 系统数据库建设 | 第63-64页 |
6.4 系统的主要功能 | 第64-65页 |
6.5 系统平台交互界面 | 第65-71页 |
6.5.1 系统登录界面 | 第65页 |
6.5.2 客户管理和健康管理 | 第65-66页 |
6.5.3 轨迹监控和行为识别 | 第66-71页 |
6.6 本章小结 | 第71-72页 |
7 总结与展望 | 第72-74页 |
参考文献 | 第74-78页 |
附录 | 第78-85页 |
作者简介及在学期间获得的科研成果 | 第85-86页 |
致谢 | 第86页 |