面向老年人跌倒检测算法研究与应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 声频检测法 | 第10-11页 |
| 1.2.2 视频图像方法 | 第11-12页 |
| 1.2.3 穿戴式传感器方法 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13页 |
| 1.3.1 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 跌倒信息的检测与获取 | 第15-25页 |
| 2.1 老年人跌倒分析 | 第15-17页 |
| 2.1.1 内在因素 | 第15-16页 |
| 2.1.2 外在因素 | 第16-17页 |
| 2.2 运动状态分析 | 第17-23页 |
| 2.2.1 人体运动状态分析 | 第17-18页 |
| 2.2.2 跌倒状态分析 | 第18-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于机器学习的跌倒检测算法 | 第25-35页 |
| 3.1 基于SVM的跌倒检测算法 | 第26-28页 |
| 3.2 基于KNN算法的跌倒检测算法 | 第28-31页 |
| 3.3 基于BP神经网络的跌倒检测算法 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于加速度变化率和神经网络的跌倒检测算法 | 第35-47页 |
| 4.1 特征量的选择 | 第35-36页 |
| 4.2 合加速度变化率的跌倒检测算法 | 第36-41页 |
| 4.2.1 基于阈值的跌倒检测算法 | 第36-39页 |
| 4.2.2 基于变化率的跌倒检测算法 | 第39-41页 |
| 4.3 基于神经网络的跌倒检测算法 | 第41-44页 |
| 4.4 实验结果及分析 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 系统的实现与分析 | 第47-59页 |
| 5.1 需求分析 | 第47-49页 |
| 5.2 开发环境 | 第49-52页 |
| 5.2.1 硬件开始环境 | 第49-50页 |
| 5.2.2 软件开发环境 | 第50-52页 |
| 5.3 系统架构设计 | 第52-56页 |
| 5.4 系统实现效果 | 第56-57页 |
| 5.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |
