| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状的分析 | 第11-13页 |
| 1.3 本课题的研究内容及安排 | 第13-15页 |
| 第2章 基于加速度传感器的运动模式识别 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 基于视觉系统的人体行为识别 | 第15-18页 |
| 2.3 基于加速度传感器的人体行为识别 | 第18-21页 |
| 2.3.1 微型加速度传感器的分类 | 第18-20页 |
| 2.3.2 两种行为识别方法的差异对比 | 第20-21页 |
| 2.4 基于加速度传感器的运动模式识别的主要研究内容 | 第21-29页 |
| 2.4.1 信息数据采集 | 第22-23页 |
| 2.4.2 数据预处理 | 第23-26页 |
| 2.4.3 特征提取和选择 | 第26-28页 |
| 2.4.4 分类方法和识别过程 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 运动模式识别中的预处理和特征选择 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 基于加速度传感器的系统平台设计 | 第30-33页 |
| 3.2.1 LIS3DH传感器的原理和配置 | 第30-31页 |
| 3.2.2 MSP430单片机 | 第31-32页 |
| 3.2.3 人体的运动模型 | 第32-33页 |
| 3.3 基于小波去噪的信号预处理 | 第33-39页 |
| 3.3.1 小波变换的基本理论 | 第33-34页 |
| 3.3.2 小波变换的阈值去噪法 | 第34-36页 |
| 3.3.3 实验结果及分析 | 第36-39页 |
| 3.4 行为识别中的特征提取 | 第39-44页 |
| 3.4.1 信号的特征提取 | 第39-40页 |
| 3.4.2 特征降维 | 第40-41页 |
| 3.4.3 实验结果及分析 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于DTW算法的运动模式识别 | 第46-59页 |
| 4.1 引言 | 第46页 |
| 4.2 常见的行为识别算法 | 第46-48页 |
| 4.3 动态时间规整算法 | 第48-52页 |
| 4.3.1 动态时间规整算法简介 | 第48-49页 |
| 4.3.2 动态时间规整算法原理 | 第49-52页 |
| 4.4 动态时间规整算法的改进 | 第52-55页 |
| 4.4.1 相关改进方法简介 | 第52页 |
| 4.4.2 半分动态时间规整算法 | 第52-55页 |
| 4.5 实验结果及分析 | 第55-58页 |
| 4.5.1 五种运动模式的识别 | 第55-57页 |
| 4.5.2 三种相似步态模式的识别 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 基于DTW算法的跌倒检测方法研究 | 第59-68页 |
| 5.1 引言 | 第59页 |
| 5.2 跌倒检测技术的背景和现状 | 第59-60页 |
| 5.3 跌倒行为的研究 | 第60-64页 |
| 5.3.1 跌倒行为模型分析 | 第60-61页 |
| 5.3.2 跌倒行为的特征描述 | 第61-64页 |
| 5.4 基于DTW算法的跌倒检测 | 第64-66页 |
| 5.4.1 数据获取与模板建立 | 第64-65页 |
| 5.4.2 基于DTW的识别方法 | 第65页 |
| 5.4.3 跌倒检测流程 | 第65-66页 |
| 5.5 实验结果及分析 | 第66-67页 |
| 5.6 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |