基于iOS平台的人体跌倒监测系统的设计与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题背景 | 第10-11页 |
| 1.2 选题目的与意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 基于视频图像的跌倒检测系统 | 第12-13页 |
| 1.3.2 基于穿戴式装置跌倒检测系统 | 第13-14页 |
| 1.3.3 基于智能手机的跌倒检测系统 | 第14-15页 |
| 1.4 论文工作安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 跌倒信息的获取 | 第17-23页 |
| 2.1 引起老年人跌倒因素的分析 | 第17页 |
| 2.2 跌倒与日常活动的分析 | 第17-18页 |
| 2.3 跌倒模型的建立与特征的提取 | 第18-22页 |
| 2.3.1 人体三维加速度模型 | 第18-19页 |
| 2.3.2 跌倒特征提取 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 跌倒检测算法的设计 | 第23-35页 |
| 3.1 跌倒过程分析 | 第23页 |
| 3.2 基于SVM算法 | 第23-30页 |
| 3.2.1 人体跌倒特征量提取 | 第23-27页 |
| 3.2.2 基于SVM算法的设计 | 第27-29页 |
| 3.2.3 阈值确定 | 第29-30页 |
| 3.3 跌倒算法的检测流程 | 第30-32页 |
| 3.4 数据的预处理 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 系统的设计与实现 | 第35-50页 |
| 4.1 系统相关技术 | 第35-41页 |
| 4.1.1 手机操作系统 | 第35-36页 |
| 4.1.2 MEMS传感器 | 第36-38页 |
| 4.1.3 开发环境及真机调试 | 第38-40页 |
| 4.1.4 MVC开发模式 | 第40-41页 |
| 4.2 硬件需求 | 第41-42页 |
| 4.3 系统框架 | 第42-43页 |
| 4.4 软件模块设计 | 第43-50页 |
| 4.4.1 参数设置模块 | 第44-45页 |
| 4.4.2 数据处理模块 | 第45-47页 |
| 4.4.3 报警处理模块 | 第47-48页 |
| 4.4.4 系统总体效果图 | 第48-50页 |
| 第5章 跌倒检测系统实验验证 | 第50-54页 |
| 5.1 系统通信功能验证 | 第50页 |
| 5.2 系统有效性验证 | 第50-53页 |
| 5.2.1 实验验证指标 | 第50-51页 |
| 5.2.2 实验验证方案 | 第51页 |
| 5.2.3 实验结果统计分析 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读学位期间取得学术成果 | 第58页 |
