基于多传感融合的老人跌倒检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 跌倒检测的研究分类 | 第10-11页 |
| 1.3 跌倒检测的国内外研究现状 | 第11-17页 |
| 1.3.1 跌倒检测系统的研究现状 | 第11-12页 |
| 1.3.2 跌倒检测算法的研究现状 | 第12-17页 |
| 1.4 本文结构及主要研究内容 | 第17-18页 |
| 1.4.1 本文结构 | 第17-18页 |
| 1.4.2 主要研究内容 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 跌倒检测算法准备知识 | 第19-28页 |
| 2.1 行为分类 | 第19页 |
| 2.2 行为特征分析 | 第19-22页 |
| 2.3 足底压力的研究及分析 | 第22-26页 |
| 2.3.1 足底压力研究 | 第22-23页 |
| 2.3.2 足底压力特征分析 | 第23-26页 |
| 2.4 跌倒检测算法的评价指标 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于多行为特征融合的跌倒检测算法 | 第28-40页 |
| 3.1 足底判定标准 | 第28-30页 |
| 3.2 MBFD算法设计 | 第30-32页 |
| 3.3 PSO的阈值确定 | 第32-34页 |
| 3.4 仿真实验及结果 | 第34-39页 |
| 3.4.1 实验参数设置 | 第34-35页 |
| 3.4.2 阈值的分析 | 第35-37页 |
| 3.4.3 仿真结果与分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于支持向量机的跌倒检测算法 | 第40-54页 |
| 4.1 支持向量机理论 | 第40-42页 |
| 4.2 数据预处理 | 第42-44页 |
| 4.2.1 特征提取 | 第42页 |
| 4.2.2 归一化处理 | 第42-43页 |
| 4.2.3 权重 | 第43-44页 |
| 4.3 SFDA算法设计 | 第44-47页 |
| 4.3.1 行为训练阶段 | 第44-46页 |
| 4.3.2 k折交叉验证阶段 | 第46-47页 |
| 4.4 实验及结果 | 第47-53页 |
| 4.4.1 最优参数的选择 | 第47-50页 |
| 4.4.2 仿真结果及分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于云的跌倒检测系统设计与实现 | 第54-74页 |
| 5.1 基于云的跌倒检测系统总体方案设计 | 第54-55页 |
| 5.2 穿戴设备结构及实验数据采集 | 第55-60页 |
| 5.2.1 穿戴设备的硬件实现 | 第55-58页 |
| 5.2.2 实验数据采集 | 第58-60页 |
| 5.3 云服务器的功能模块实现 | 第60-68页 |
| 5.3.1 云服务器系统环境的搭建 | 第60-62页 |
| 5.3.2 终端与服务器间的通讯 | 第62-64页 |
| 5.3.3 基于云系统的SFDA算法与数据处理 | 第64-67页 |
| 5.3.4 数据的前端显示模块 | 第67-68页 |
| 5.4 基于云的跌倒检测系统验证 | 第68-73页 |
| 5.4.1 云系统通信功能验证 | 第68-69页 |
| 5.4.2 云系统前端显示功能验证 | 第69-71页 |
| 5.4.3 SFDA算法在云系统中的有效性验证 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 论文总结 | 第74-75页 |
| 6.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
