实时视频流摔倒检测系统设计与实现
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 第一章 绪论 | 第8-14页 |
| 1.0 课题的来源 | 第8页 |
| 1.1 课题的意义 | 第8-9页 |
| 1.2 国内外现状 | 第9-11页 |
| 1.3 主要研究工作和贡献 | 第11-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 文献研究及文献综述 | 第14-18页 |
| 2.1 参考文献的选择 | 第14-15页 |
| 2.2 主流研究方法的深入分析 | 第15-16页 |
| 2.3 对主流研究方法提出改进 | 第16-18页 |
| 第三章 研究方法 | 第18-46页 |
| 3.1 硬件环境选择与搭建 | 第18页 |
| 3.2 图像的预处理 | 第18-23页 |
| 3.2.1 灰度化 | 第19-20页 |
| 3.2.2 图像去噪声 | 第20-22页 |
| 3.2.3 颜色空间转换 | 第22-23页 |
| 3.3 形态学工具的使用 | 第23-28页 |
| 3.3.1 背景消除 | 第24-25页 |
| 3.3.2 帧间差分法 | 第25-27页 |
| 3.3.3 光流法 | 第27-28页 |
| 3.4 移动物体的跟踪 | 第28页 |
| 3.5 滤波 | 第28-34页 |
| 3.5.1 膨胀运算 | 第29-30页 |
| 3.5.2 腐蚀运算 | 第30-31页 |
| 3.5.3 开运算 | 第31页 |
| 3.5.4 闭运算 | 第31-32页 |
| 3.5.5 阴影消除 | 第32-34页 |
| 3.6 摔倒的类型 | 第34页 |
| 3.7 本课题使用的背景消除算法及优化设想 | 第34-36页 |
| 3.7.1 红外测距及超声波测距 | 第35页 |
| 3.7.2 多摄像头 | 第35页 |
| 3.7.3 测距与多摄像头结合 | 第35-36页 |
| 3.8 视频流图像处理 | 第36页 |
| 3.9 视频流图像处理优化 | 第36-37页 |
| 3.10 视频流中的人物跟踪处理 | 第37页 |
| 3.11 视频流中的摔倒检测 | 第37-41页 |
| 3.11.1 图片中的摔倒检测(分类器) | 第38-39页 |
| 3.11.2 优化的静态图片摔倒检测 | 第39页 |
| 3.11.3 视频的摔倒检测 | 第39-41页 |
| 3.11.4 对于视频摔倒检测的优化 | 第41页 |
| 3.12 骨骼识别 | 第41-43页 |
| 3.13 机器学习识别摔倒检测 | 第43-44页 |
| 3.14 跨平台移植和优化 | 第44页 |
| 3.15 性能优化 | 第44-45页 |
| 3.16 本章小结 | 第45-46页 |
| 第四章 摔倒检测系统设计与实现 | 第46-54页 |
| 4.1 系统功能 | 第46页 |
| 4.2 系统硬件设计 | 第46-49页 |
| 4.2.1 采集模块 | 第47-48页 |
| 4.2.2 视频处理模块 | 第48-49页 |
| 4.3 软件系统软件设计与实现 | 第49-52页 |
| 4.3.1 视频采集端软件实现 | 第49页 |
| 4.3.2 离线识别盒子与在线识别系统 | 第49-50页 |
| 4.3.3 App客户端 | 第50-52页 |
| 4.4 自定义功能实现 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 分析与讨论 | 第54-60页 |
| 5.1 优缺点 | 第54页 |
| 5.2 研究价值 | 第54-55页 |
| 5.3 对比 | 第55-58页 |
| 5.4 总结 | 第58页 |
| 5.5 本文的不足及展望 | 第58-60页 |
| 附录：关键程序 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
