基于统计模型人体姿态估计系统的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-11页 |
| 1.2.1 基于视觉的姿态估计 | 第9页 |
| 1.2.2 基于穿戴式的姿态估计 | 第9-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第2章 基于惯性测量的人体姿态估计算法 | 第13-29页 |
| 2.1 引言 | 第13-14页 |
| 2.2 传感器测量模块 | 第14-21页 |
| 2.2.1 惯性测量单元 | 第14-16页 |
| 2.2.2 数据格式 | 第16-18页 |
| 2.2.3 建立坐标系 | 第18页 |
| 2.2.4 人体三维姿态再现系统的设计 | 第18-21页 |
| 2.3 人体空间位姿估计 | 第21-27页 |
| 2.3.1 建立人体模型 | 第21-23页 |
| 2.3.2 传感器与人体的配准 | 第23页 |
| 2.3.3 地面接触检测 | 第23-26页 |
| 2.3.4 肢体段运动学传播 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 人体行进跌倒姿态估计 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 人体跌倒监测方法 | 第30-32页 |
| 3.2.1 跌倒监测分类 | 第30-31页 |
| 3.2.2 基于穿戴式的跌倒监测 | 第31-32页 |
| 3.2.3 跌倒预警算法概述 | 第32页 |
| 3.3 人体行进跌倒姿态估计实验 | 第32-34页 |
| 3.3.1 测量系统及佩戴方式 | 第32-33页 |
| 3.3.2 实验内容 | 第33-34页 |
| 3.4 基于加速度的跌倒预警算法 | 第34-42页 |
| 3.4.1 参考量 | 第34页 |
| 3.4.2 实验数据分析 | 第34-40页 |
| 3.4.3 基于加速度的跌倒预警算法 | 第40-41页 |
| 3.4.4 算法验证 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于贝叶斯网络的运动轨迹估计研究 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 建立人体动态贝叶斯网络模型 | 第43-49页 |
| 4.2.1 贝叶斯估计理论 | 第43-45页 |
| 4.2.2 贝叶斯网络 | 第45-48页 |
| 4.2.3 人体动态贝叶斯网络模型 | 第48-49页 |
| 4.3 基于置信传播估计人体运动轨迹的研究 | 第49-54页 |
| 4.3.1 置信传播算法求解贝叶斯网络 | 第49-51页 |
| 4.3.2 算法验证 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |
