基于足底压力感知的跌倒行为检测系统设计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 跌倒检测国内外研究现状 | 第11-16页 |
| 1.2.1 基于图像采集的跌倒检测系统 | 第11-13页 |
| 1.2.2 基于环境式的跌倒检测系统 | 第13-14页 |
| 1.2.3 基于可穿戴式的跌倒检测系统 | 第14-16页 |
| 1.3 足底压力感知技术 | 第16-17页 |
| 1.4 论文主要研究内容 | 第17-18页 |
| 1.5 论文的组织结构 | 第18页 |
| 1.6 本章小结 | 第18-20页 |
| 第二章 基于足底压力感知的跌倒检测系统设计 | 第20-42页 |
| 2.1 足底压力分布原理 | 第20-21页 |
| 2.2 跌倒检测硬件系统设计 | 第21-33页 |
| 2.2.1 硬件系统整体结构 | 第21-22页 |
| 2.2.2 鞋垫式压力采集模块设计 | 第22-24页 |
| 2.2.3 数据处理模块设计 | 第24-30页 |
| 2.2.4 无线传输模块设计 | 第30-32页 |
| 2.2.5 跌倒检测下位机软件设计 | 第32-33页 |
| 2.3 跌倒检测软件系统设计 | 第33-39页 |
| 2.3.1 功能设计 | 第33-34页 |
| 2.3.2 软件总体结构 | 第34-35页 |
| 2.3.3 通信协议设计 | 第35-36页 |
| 2.3.4 软件设计流程 | 第36-37页 |
| 2.3.5 功能模块介绍 | 第37-39页 |
| 2.4 本章小结 | 第39-42页 |
| 第三章 基于SVM的跌倒检测算法原理 | 第42-54页 |
| 3.1 典型跌倒检测算法 | 第42-43页 |
| 3.2 支持向量机(SVM)理论 | 第43-46页 |
| 3.3 特征向量提取 | 第46-51页 |
| 3.3.1 数据预处理 | 第47页 |
| 3.3.2 特征提取办法 | 第47-51页 |
| 3.4 跌倒检测分类器设计 | 第51-53页 |
| 3.4.1 跌倒检测分类器流程 | 第51-52页 |
| 3.4.2 跌倒检测分类器训练 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 系统实验和分析 | 第54-68页 |
| 4.1 实验设计 | 第54-57页 |
| 4.1.1 实验准备 | 第54页 |
| 4.1.2 实验方法 | 第54-56页 |
| 4.1.3 实验指标 | 第56-57页 |
| 4.2 实验数据分析 | 第57-65页 |
| 4.2.1 特征值量化分析 | 第57-64页 |
| 4.2.2 算法泛化能力分析 | 第64-65页 |
| 4.3 算法验证与评价 | 第65-66页 |
| 4.3.1 算法验证 | 第65-66页 |
| 4.3.2 算法评价 | 第66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 本文总结 | 第68页 |
| 5.2 工作展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76页 |
