| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 国内外研究现状发展概况 | 第8-10页 |
| 1.3 本文的主要研究内容与章节安排 | 第10-12页 |
| 1.3.1 本文的主要研究内容 | 第10-11页 |
| 1.3.2 本文的组织安排 | 第11-12页 |
| 第2章 老人监护系统中视觉算法设计与验证 | 第12-32页 |
| 2.1 立体视觉部分的算法设计 | 第12页 |
| 2.2 老人监护系统场景分析数据流的采集 | 第12-13页 |
| 2.3 立体视觉所用的点云数据的获取 | 第13-19页 |
| 2.3.1 三角测量算法 | 第13-15页 |
| 2.3.2 Xtion摄像机光编码原理分析 | 第15-16页 |
| 2.3.3 Xtion摄像机的标定 | 第16-18页 |
| 2.3.4 点云数据获取 | 第18-19页 |
| 2.4 场景分析中点云分割 | 第19-22页 |
| 2.4.1 点云滤波 | 第19-20页 |
| 2.4.2 使用聚类算法和随机采样一致算法进行点云分割 | 第20-21页 |
| 2.4.3 对点云数据进行快速三角化重构 | 第21-22页 |
| 2.5 对重建后物体进行投影 | 第22-23页 |
| 2.5.1 重建后物体的的投影算法 | 第22-23页 |
| 2.6 平面图像的分割算法 | 第23-24页 |
| 2.6.1 基于阈值的分割算法介绍 | 第23-24页 |
| 2.7 对投影后图像进行特征提取 | 第24-25页 |
| 2.7.1 特征提取的依据 | 第25页 |
| 2.7.2 特征向量 | 第25页 |
| 2.7.3 一些基本的分类特征 | 第25页 |
| 2.8 图像测量的方法 | 第25-31页 |
| 2.8.1 Blob分析方法的介绍 | 第26页 |
| 2.8.2 数字图像的形态学处理方法 | 第26-28页 |
| 2.8.3 链码的描述 | 第28-29页 |
| 2.8.4 边界段 | 第29页 |
| 2.8.5 一些简单的区域描述子 | 第29-31页 |
| 2.9 本章小结 | 第31-32页 |
| 第3章 老人监护系统中模式识别算法设计与验证 | 第32-44页 |
| 3.1 选择多层感知器的原因 | 第32页 |
| 3.2 多层感知器的介绍 | 第32-33页 |
| 3.3 多层感知器的设计过程 | 第33-41页 |
| 3.3.1 介绍简单的感知器 | 第33-34页 |
| 3.3.2 多层感知器网络层数的选择 | 第34-36页 |
| 3.3.3 感知器激活函数的选择 | 第36-37页 |
| 3.3.4 多层感知器的训练方法的选择 | 第37-38页 |
| 3.3.5 解释网络的输出 | 第38-39页 |
| 3.3.6 预先补偿 | 第39页 |
| 3.3.7 误差反向传播 | 第39-41页 |
| 3.4 对场景分析多层感知器进行仿真 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 老人监护系统中算法整体设计与仿真验证 | 第44-54页 |
| 4.1 本课题整体需求分析 | 第44页 |
| 4.2 本课题整体解决方案 | 第44-45页 |
| 4.3 对场景中需要分析的物体进行前景提取 | 第45-46页 |
| 4.4 对物体分类和场景分析多层感知器设计与验证 | 第46-53页 |
| 4.4.1 物体分类多层感知器设计与验证 | 第47-48页 |
| 4.4.2 场景分析多层感知器设计与验证 | 第48-51页 |
| 4.4.3 老人监护系统中异常状态的监控 | 第51-52页 |
| 4.4.4 与国外的研究成果进行对比分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |