| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-19页 |
| 1.1 引言 | 第9页 |
| 1.2 室内监护技术研究现状 | 第9-16页 |
| 1.2.1 室内监护技术概述 | 第9-10页 |
| 1.2.2 室内定位技术 | 第10-14页 |
| 1.2.3 行为识别技术 | 第14-16页 |
| 1.2.4 监护系统软件 | 第16页 |
| 1.3 本文研究内容与意义 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 2 室内监护技术研究 | 第19-23页 |
| 2.1 系统总体架构设计 | 第19-20页 |
| 2.2 系统技术方案 | 第20-22页 |
| 2.2.1 WiFi指纹匹配室内定位方案 | 第20-21页 |
| 2.2.2 基于双目视觉的行为识别技术 | 第21-22页 |
| 2.2.3 监护系统软件设计与实现 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 WiFi室内定位算法 | 第23-41页 |
| 3.1 WiFi室内定位算法概述 | 第23-25页 |
| 3.2 WiFi室内定位算法整体流程 | 第25页 |
| 3.3 WiFi指纹特征库构建 | 第25-34页 |
| 3.3.1 WiFi室内传播特性 | 第25-27页 |
| 3.3.2 WiFi采集环境研究 | 第27-30页 |
| 3.3.3 WiFi数据采集 | 第30-31页 |
| 3.3.4 数据筛选 | 第31-33页 |
| 3.3.5 数据整理 | 第33-34页 |
| 3.3.6 WiFi指纹特征库构建 | 第34页 |
| 3.4 K-Means聚类分析 | 第34-35页 |
| 3.5 NN算法求最近邻簇心 | 第35-36页 |
| 3.6 WKNN计算位置坐标 | 第36-37页 |
| 3.7 WiFi室内定位算法效果评价 | 第37-40页 |
| 3.8 本章小结 | 第40-41页 |
| 4 基于双目视觉的行为识别算法 | 第41-75页 |
| 4.1 基于双目视觉的行为识别算法整体流程 | 第41-42页 |
| 4.2 人体二维关键点检测 | 第42-55页 |
| 4.2.1 CNN理论基础 | 第42-48页 |
| 4.2.2 二维关键点数据集 | 第48页 |
| 4.2.3 CNN网络模型实现二维人体关键点检测技术 | 第48-53页 |
| 4.2.4 二维关键点检测算法评估 | 第53-55页 |
| 4.3 双目视觉构建三维骨架 | 第55-61页 |
| 4.3.1 双目视觉基础原理 | 第55页 |
| 4.3.2 双目相机标定 | 第55-58页 |
| 4.3.3 双目视觉三维重建 | 第58-61页 |
| 4.4 行为识别 | 第61-73页 |
| 4.4.1 三维骨架行为识别数据集 | 第61-62页 |
| 4.4.2 基于三维骨架的特征描述 | 第62-67页 |
| 4.4.3 基于三维骨架的行为识别 | 第67-68页 |
| 4.4.4 基于随机森林的三维骨架跌倒检测 | 第68-69页 |
| 4.4.5 三维骨架跌倒检测算法效果评价 | 第69-73页 |
| 4.5 本章小结 | 第73-75页 |
| 5 室内监护系统软件设计与实现 | 第75-91页 |
| 5.1 软件开发环境介绍 | 第75-76页 |
| 5.2 系统功能分析 | 第76-77页 |
| 5.3 客户端模块设计 | 第77-82页 |
| 5.3.1 注册/登录模块 | 第78-79页 |
| 5.3.2 数据采集 | 第79-81页 |
| 5.3.3 数据上传 | 第81-82页 |
| 5.4 服务器模块设计 | 第82-84页 |
| 5.4.1 注册/登录信息反馈 | 第82-83页 |
| 5.4.2 数据接收与存储 | 第83-84页 |
| 5.5 管理员端模块设计 | 第84-86页 |
| 5.5.1 室内定位模块 | 第84-85页 |
| 5.5.2 行为识别模块 | 第85-86页 |
| 5.6 系统软件功能测试 | 第86-89页 |
| 5.6.1 软件测试方案 | 第86页 |
| 5.6.2 软件功能测试与测试结果 | 第86-89页 |
| 5.7 本章小结 | 第89-91页 |
| 6 总结与展望 | 第91-93页 |
| 6.1 总结 | 第91-92页 |
| 6.2 展望 | 第92-93页 |
| 致谢 | 第93-95页 |
| 参考文献 | 第95-101页 |
| 附录 | 第101页 |
| A.作者在攻读硕士学位期间发表的论文目录… | 第101页 |