基于多传感器的人体运动识别算法与应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第2章 基于多传感器的人体运动识别技术研究 | 第19-33页 |
| 2.1 人体运动识别系统的研究 | 第19-22页 |
| 2.1.1 数据采集模块 | 第19-20页 |
| 2.1.2 无线通信技术 | 第20-22页 |
| 2.1.3 检测中心 | 第22页 |
| 2.2 基于传感器的人体运动模式识别研究 | 第22-32页 |
| 2.2.1 数据的采集和预处理 | 第23-25页 |
| 2.2.2 特征提取和选择 | 第25-26页 |
| 2.2.3 识别器技术 | 第26-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于两层决策树识别器的人体运动识别算法 | 第33-47页 |
| 3.1 数据预处理方法 | 第33-37页 |
| 3.2 数据特征的提取和选择 | 第37-39页 |
| 3.3 基于单个决策树识别器的识别算法研究 | 第39-42页 |
| 3.4 基于两层决策树识别器的识别算法 | 第42-46页 |
| 3.4.1 第一层决策树识别器 | 第43-44页 |
| 3.4.2 第二层决策树识别器 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 老年人跌倒检测系统的设计和实现 | 第47-60页 |
| 4.1 跌倒动作的研究 | 第47-49页 |
| 4.2 跌倒检测系统 | 第49-50页 |
| 4.2.1 跌倒检测系统的目标 | 第49页 |
| 4.2.2 跌倒检测系统的总体框架 | 第49-50页 |
| 4.3 跌倒检测系统的硬件模块 | 第50-54页 |
| 4.3.1 数据采集模块—MPU6050 | 第50-52页 |
| 4.3.2 处理器模块—STM8S003F | 第52-53页 |
| 4.3.3 蓝牙通信模块—CC2451 | 第53-54页 |
| 4.4 跌倒检测系统的软件算法设计与实现 | 第54-59页 |
| 4.4.1 数据采集的算法 | 第55-57页 |
| 4.4.2 跌倒检测的算法 | 第57-59页 |
| 4.4.3 远程报警的算法 | 第59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 实验设计及其结果分析 | 第60-69页 |
| 5.1 数据的提取 | 第60-63页 |
| 5.1.1 采集数据方法与采集对象 | 第60-61页 |
| 5.1.2 上位机采集的数据 | 第61-63页 |
| 5.2 人体运动识别算法的实现及结果分析 | 第63-67页 |
| 5.2.1 数据处理软件WEKA | 第63-64页 |
| 5.2.2 贝叶斯分类器 | 第64-65页 |
| 5.2.3 支持向量机分类器 | 第65页 |
| 5.2.4 对比不同识别器的效果 | 第65-67页 |
| 5.3 老年人跌倒检测系统的验证 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第78页 |
