基于三轴加速度传感器的人体行为识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8页 |
| ·微型加速度传感器及其应用 | 第8-10页 |
| ·基于加速度传感器的行为识别发展回顾 | 第10-11页 |
| ·课题的研究背景及意义 | 第11-13页 |
| ·面临的关键技术问题及挑战 | 第13页 |
| ·课题的研究内容及主要结构 | 第13-15页 |
| 第二章 基于加速度传感器的人体行为识别综述 | 第15-23页 |
| ·基于计算机视觉的行为识别 | 第15-16页 |
| ·计算机视觉方法面临的问题 | 第16-17页 |
| ·基于加速度传感器的行为识别主要研究内容 | 第17-22页 |
| ·加速度数据采集 | 第18-19页 |
| ·信号预处理 | 第19页 |
| ·特征提取与选择 | 第19-21页 |
| ·识别方法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 加速度信号特征在人体行为识别中的应用研究 | 第23-36页 |
| ·常见人体行为种类分析 | 第23-25页 |
| ·加速度数据采集和预处理 | 第25页 |
| ·特征提取 | 第25-31页 |
| ·基于角度的小波能量 | 第25-28页 |
| ·关键点连线斜率 | 第28-29页 |
| ·常见时频特征 | 第29-31页 |
| ·基于 SVM 的多类分类器 | 第31-32页 |
| ·实验设计及结果分析 | 第32-35页 |
| ·实验设置 | 第32-33页 |
| ·检测效果及分析 | 第33-34页 |
| ·识别结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于加速度传感器的人体行为识别 | 第36-57页 |
| ·一种面向老年群体的跌倒识别方法 | 第36-44页 |
| ·加速度数据预处理 | 第37-38页 |
| ·基于 HMM 的疑似跌倒检测 | 第38-40页 |
| ·基于倾角的姿态检测 | 第40-42页 |
| ·实验设计及结果分析 | 第42-44页 |
| ·基于进化 RBF 神经网络的人体行为识别 | 第44-56页 |
| ·RBF 神经网络与递阶遗传算法 | 第45-46页 |
| ·加速度信号处理与进化 RBF 神经网络分类器 | 第46-48页 |
| ·设计适应度函数 | 第48-49页 |
| ·初始种群与选择策略 | 第49页 |
| ·改进交叉 | 第49-50页 |
| ·改进变异与终止条件 | 第50-51页 |
| ·实验设置 | 第51-52页 |
| ·适应度函数中参数的设定 | 第52-53页 |
| ·分类器结构复杂度实验分析 | 第53-54页 |
| ·分类器输出误差实验分析 | 第54-55页 |
| ·识别结果 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 加速度信号采集平台的设计与实现 | 第57-64页 |
| ·加速度传感器模块的设计 | 第57-59页 |
| ·加速度传感器选型 | 第57-58页 |
| ·传感器模块电路设计 | 第58-59页 |
| ·传感器模块与通信模块的结合 | 第59-61页 |
| ·基于 Zigbee 的无线通信芯片 | 第59-60页 |
| ·通信模块 | 第60页 |
| ·数据传输 | 第60-61页 |
| ·硬件连接 | 第61页 |
| ·模块测试与信号采集 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 主要结论与展望 | 第64-66页 |
| 主要结论 | 第64-65页 |
| 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第72页 |
