| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 摔倒检测的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于可穿戴传感器的摔倒检测方法 | 第9-10页 |
| 1.2.2 基于环境传感器的摔倒检测方法 | 第10页 |
| 1.2.3 基于视频的摔倒检测方法 | 第10-12页 |
| 1.3 本文的框架结构 | 第12-13页 |
| 2 基于摔倒行为的目标检测 | 第13-23页 |
| 2.1 基于摔倒行为的目标检测经典方法 | 第13-15页 |
| 2.1.1 光流法 | 第13页 |
| 2.1.2 帧间差分法 | 第13页 |
| 2.1.3 背景减除法 | 第13-15页 |
| 2.2 基于摔倒检测的三帧中值背景减除法 | 第15-18页 |
| 2.3 改进的基于最大连通域的形态学处理算法 | 第18-20页 |
| 2.4 运动目标的阴影检测 | 第20-22页 |
| 2.5 小结 | 第22-23页 |
| 3 基于摔倒行为的特征提取 | 第23-30页 |
| 3.1 常见的基于矩形法的摔倒特征描述子 | 第23-24页 |
| 3.2 基于高宽比的摔倒特征检测 | 第24页 |
| 3.3 基于帧间中心变化率与帧间头部质心变化率的特征检测 | 第24-29页 |
| 3.3.1 摔倒周期检测 | 第24-27页 |
| 3.3.2 基于帧间中心变化率的特征检测 | 第27-28页 |
| 3.3.3 基于帧间头部质心的特征检测 | 第28-29页 |
| 3.4 小结 | 第29-30页 |
| 4 基于朴素贝叶斯分类器的摔倒检测算法与实验结果分析 | 第30-42页 |
| 4.1 自建摔倒数据库 | 第30-31页 |
| 4.2 用于摔倒检测的分类算法背景 | 第31-33页 |
| 4.3 摔倒检测算法框架与实验结果分析 | 第33-38页 |
| 4.3.1 摔倒检测算法框架 | 第33-34页 |
| 4.3.2 实验结果分析 | 第34-38页 |
| 4.4 摔倒检测算法的实验平台及软件界面 | 第38-40页 |
| 4.5 小结 | 第40-42页 |
| 5 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42页 |
| 5.2 展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录 | 第49页 |
| 作者在攻读硕士学位期间发表论文的目录 | 第49页 |