| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 当前国内的研究现状及发展趋势 | 第9-12页 |
| 1.2.1 基于可穿戴设备的跌倒检测系统 | 第10-11页 |
| 1.2.2 基于周围环境中的设备的跌倒检测系统 | 第11页 |
| 1.2.3 基于视频监控系统的跌倒检测 | 第11-12页 |
| 1.3 论文的主要内容与组织结构 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-28页 |
| 2.1 跌倒检测使用的特征 | 第14-15页 |
| 2.2 图像预处理技术 | 第15-24页 |
| 2.2.1 图像处理中的尺度 | 第15-17页 |
| 2.2.2 Canny边缘提取 | 第17-22页 |
| 2.2.3 特征点提取 | 第22-24页 |
| 2.3 AdaBoost算法 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 改进的基于IDSC跌倒检测算法 | 第28-47页 |
| 3.1 算法概述 | 第28-31页 |
| 3.2 形状上下文 | 第31-32页 |
| 3.3 IDSC具体描述 | 第32-43页 |
| 3.3.1 Inner-Distance的定义和计算 | 第33-34页 |
| 3.3.2 Inner-Distance的局部敏感性 | 第34-39页 |
| 3.3.3 IDSC定义和跌倒特征提取 | 第39-43页 |
| 3.4 动态时间规整进行匹配 | 第43-44页 |
| 3.5 实验结果及分析 | 第44-47页 |
| 第四章 基于人体形状分析的跌倒检测算法 | 第47-62页 |
| 4.1 基础算法概述 | 第47-51页 |
| 4.1.1 MHI的计算与运动的量化 | 第48-49页 |
| 4.1.2 人体形状分析 | 第49-51页 |
| 4.1.3 跌倒检测 | 第51页 |
| 4.2 改进的基于人体形状分析的跌倒检测算法 | 第51-61页 |
| 4.2.1 全局运动方向获取 | 第52-53页 |
| 4.2.2 投影直方图特征提取 | 第53-55页 |
| 4.2.3 头部运动特征提取 | 第55-58页 |
| 4.2.4 基于AdaBoost的行为分类 | 第58-60页 |
| 4.2.5 实验结果及分析 | 第60-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |