基于单节点惯性传感器的人体行为监测
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 人体行为识别国内外研究现状 | 第12-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第二章 系统总体设计及算法分析 | 第18-28页 |
| 2.1 总体目标及需求分析 | 第18页 |
| 2.2 总体方案设计 | 第18-20页 |
| 2.3 基于单节点惯性传感的人体行为监测算法 | 第20-27页 |
| 2.3.1 基于惯性传感的人体行为监测算法 | 第20-24页 |
| 2.3.2 步态识别 | 第24-25页 |
| 2.3.3 静止姿态识别 | 第25-26页 |
| 2.3.4 跌倒检测 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于惯性传感器的人体行为监测节点实现 | 第28-40页 |
| 3.1 硬件系统设计 | 第28-32页 |
| 3.1.1 芯片选型 | 第29页 |
| 3.1.2 硬件电路设计 | 第29-32页 |
| 3.2 软件系统设计 | 第32-39页 |
| 3.2.1 读取传感器数据 | 第33-36页 |
| 3.2.2 数据校准 | 第36-37页 |
| 3.2.3 数据通信 | 第37-38页 |
| 3.2.4 存储模块的读写 | 第38-39页 |
| 3.3 本章小节 | 第39-40页 |
| 第四章 人体典型部位下的行为识别性能对比实验 | 第40-59页 |
| 4.1 实验总体方案设计 | 第40页 |
| 4.2 数据采集 | 第40-43页 |
| 4.3 分析不同人体行为的惯性传感数据 | 第43-50页 |
| 4.3.1 步态数据分析 | 第43-48页 |
| 4.3.2 跌倒数据分析 | 第48-50页 |
| 4.3.3 静止姿态数据分析 | 第50页 |
| 4.4 步态识别 | 第50-53页 |
| 4.4.1 滤波器设计 | 第50-51页 |
| 4.4.2 特征提取 | 第51-52页 |
| 4.4.3 分类器设计 | 第52-53页 |
| 4.4.4 识别结果 | 第53页 |
| 4.5 跌倒检测 | 第53-55页 |
| 4.5.1 获取跌倒特征 | 第54页 |
| 4.5.2 阈值确定 | 第54-55页 |
| 4.5.3 监测结果 | 第55页 |
| 4.6 静止姿态 | 第55-56页 |
| 4.6.1 算法实现 | 第55-56页 |
| 4.6.2 监测结果 | 第56页 |
| 4.7 计步算法 | 第56-57页 |
| 4.7.1 滤波器设计 | 第57页 |
| 4.7.2 阈值确定 | 第57页 |
| 4.8 实验结果 | 第57-58页 |
| 4.9 本章小结 | 第58-59页 |
| 第五章 腰部部署方式下的算法在嵌入式设备上的实现 | 第59-68页 |
| 5.1 步态识别算法 | 第59-62页 |
| 5.1.1 算法实现及改进 | 第59-61页 |
| 5.1.2 实验验证 | 第61-62页 |
| 5.2 计步算法的实现 | 第62-64页 |
| 5.2.1 算法的实现 | 第62-64页 |
| 5.2.2 实验验证 | 第64页 |
| 5.3 跌倒算法的实现 | 第64-67页 |
| 5.3.1 算法实现及改进 | 第64-66页 |
| 5.3.2 实验验证 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
