| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第2章 相关系统与技术 | 第15-23页 |
| 2.1 相关硬件系统与开发环境 | 第15-18页 |
| 2.1.1 智能手机 | 第15-16页 |
| 2.1.2 加速度传感器与陀螺仪 | 第16-17页 |
| 2.1.3 开发环境 | 第17-18页 |
| 2.2 跌倒检测技术概述 | 第18-21页 |
| 2.2.1 老年人跌倒原因分析 | 第18页 |
| 2.2.2 跌倒检测系统 | 第18-19页 |
| 2.2.3 人体运动模式 | 第19-20页 |
| 2.2.4 滤波方法 | 第20-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第3章 居家养老照护系统总体设计 | 第23-33页 |
| 3.1 需求概述 | 第23-24页 |
| 3.2 跌倒检测模块总体设计 | 第24-25页 |
| 3.3 人体加速度信号的采集 | 第25-27页 |
| 3.3.1 采样频率与佩戴位置 | 第25-26页 |
| 3.3.2 数据的采集 | 第26-27页 |
| 3.4 数据的预处理 | 第27-29页 |
| 3.5 特征提取和特征选择 | 第29-31页 |
| 3.6 报警模块总体设计 | 第31-32页 |
| 3.7 数据存储 | 第32页 |
| 3.8 本章小结 | 第32-33页 |
| 第4章 基于加速度传感器的跌倒检测算法 | 第33-43页 |
| 4.1 基于加速度传感器的跌倒检测算法 | 第33-38页 |
| 4.1.1 FFT特征提取和时域特征提取 | 第33-34页 |
| 4.1.2 新的FFT系数特征MFFT提取方法 | 第34-36页 |
| 4.1.3 SVM | 第36页 |
| 4.1.4 姿态角（Attitude Angle） | 第36-37页 |
| 4.1.5 加速度的期望E（SVM）和方差D（SVM） | 第37-38页 |
| 4.2 人体日常活动与跌倒的分类 | 第38-39页 |
| 4.3 跌倒检测算法 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 移动居家养老照护系统实现与实验 | 第43-57页 |
| 5.1 系统实现 | 第43-47页 |
| 5.1.1 登陆、注册页面实现 | 第43-44页 |
| 5.1.2 子女端主页面实现 | 第44-45页 |
| 5.1.3 子女端交友、历史、设置页面实现 | 第45-46页 |
| 5.1.4 老人紧急事件处理页面 | 第46页 |
| 5.1.5 辅助关爱系统页面实现 | 第46-47页 |
| 5.2 实验结果以及分析 | 第47-54页 |
| 5.2.1 实验测试环境与数据采集说明 | 第47-48页 |
| 5.2.2 跌倒实验对眼以及实验方法 | 第48-50页 |
| 5.2.3 实验评价指标 | 第50页 |
| 5.2.4 阈值的确定 | 第50-54页 |
| 5.2.5 实验验证 | 第54页 |
| 5.3 本章小结 | 第54-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |