基于统计模式识别的跌倒检测算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题研究背景及目的意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究目的 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国内研究现状 | 第12-13页 |
| ·国外研究现状 | 第13-14页 |
| ·跌倒监测方法总结与分析 | 第14-15页 |
| ·模式识别概述 | 第15-17页 |
| ·模式识别中的基本概念 | 第16-17页 |
| ·统计模式识别 | 第17页 |
| ·论文的主要内容 | 第17-19页 |
| 第2章 老人跌倒模型分析 | 第19-25页 |
| ·跌倒原因 | 第19页 |
| ·跌倒过程分析 | 第19-21页 |
| ·典型日常动作分析 | 第21-22页 |
| ·跌倒建模 | 第22-24页 |
| ·直角坐标系 | 第22-23页 |
| ·三维跌倒模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 跌倒检测的算法以及初步分析 | 第25-41页 |
| ·典型的跌倒算法 | 第25-27页 |
| ·基于阈值的识别算法 | 第25-26页 |
| ·基于模糊识别的识别算法 | 第26页 |
| ·对两种识别算法的简要分析 | 第26-27页 |
| ·算法设计思想 | 第27-29页 |
| ·基于统计模式识别的算法设计思想 | 第27-28页 |
| ·统计模式识别的实现过程 | 第28-29页 |
| ·特征值的选择与提取 | 第29-34页 |
| ·特征值的选择 | 第29-31页 |
| ·特征值的提取 | 第31页 |
| ·离散K-L变换 | 第31-33页 |
| ·基于K-L变换的特征提取 | 第33-34页 |
| ·分类器设计与决策 | 第34-35页 |
| ·算法设计 | 第35-40页 |
| ·检测算法设计 | 第35-36页 |
| ·截取信号段的算法设计 | 第36-37页 |
| ·计算特征向量的算法设计 | 第37-39页 |
| ·模式匹配的算法设计 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 跌倒检测实验系统 | 第41-57页 |
| ·跌倒检测实验系统 | 第41-42页 |
| ·跌倒检测实验系统介绍 | 第41页 |
| ·系统设计目标与原则 | 第41-42页 |
| ·传感器节点 | 第42-47页 |
| ·传感器的选择原则 | 第43页 |
| ·加速度传感器的选型 | 第43-45页 |
| ·数值转换 | 第45-47页 |
| ·软件平台的搭建 | 第47-56页 |
| ·功能设计 | 第47-49页 |
| ·软件实现中的技术 | 第49-54页 |
| ·软件平台的界面设计 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 特征信号库的建立与算法验证 | 第57-67页 |
| ·分类决策 | 第57-58页 |
| ·特征信号库 | 第57-58页 |
| ·相似性测度 | 第58页 |
| ·实验设计 | 第58-61页 |
| ·实验对象 | 第58-59页 |
| ·实验参数设计 | 第59-60页 |
| ·实验方法 | 第60-61页 |
| ·实验数据分析 | 第61-63页 |
| ·跌倒加速度曲线 | 第61-62页 |
| ·特征向量模板 | 第62-63页 |
| ·距离测度 | 第63页 |
| ·算法验证 | 第63-65页 |
| ·实验方法 | 第63-64页 |
| ·结果分析 | 第64-65页 |
| ·算法评价 | 第65-66页 |
| ·算法评价指标 | 第65页 |
| ·算法综合评价 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·本文总结 | 第67-68页 |
| ·研究展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
