人的坐姿检测方法及行为劝导研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 相关工作 | 第10-14页 |
| 1.2.1 行为识别 | 第10-12页 |
| 1.2.2 行为劝导 | 第12-14页 |
| 1.3 问题提出 | 第14-15页 |
| 1.3.1 不良坐姿感知 | 第15页 |
| 1.3.2 健康坐姿劝导 | 第15页 |
| 1.4 论文组织 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 办公室头颈肩背疲劳和坐姿检测 | 第17-24页 |
| 2.1 职业性肌肉骨骼疾患概述 | 第17页 |
| 2.2 坐姿对职业性肌肉骨骼疾患的影响 | 第17-20页 |
| 2.2.1 下背疾患和躯干坐姿 | 第18-19页 |
| 2.2.2 肩颈疾患和颈部坐姿 | 第19页 |
| 2.2.3 肌肉骨骼疾患和屏幕位置 | 第19页 |
| 2.2.4 肌肉骨骼疾患和静止坐姿时长 | 第19-20页 |
| 2.3 坐姿检测方法综述 | 第20-23页 |
| 2.3.1 基于人工观测的方法 | 第20-21页 |
| 2.3.2 基于视频录制分析的方法 | 第21页 |
| 2.3.3 基于可穿戴传感器的方法 | 第21-22页 |
| 2.3.4 基于主观问卷调查的方法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 坐姿检测模型及算法 | 第24-44页 |
| 3.1 坐姿检测模型 | 第24-26页 |
| 3.1.1 PEO模型 | 第24页 |
| 3.1.2 基于PEO的坐姿模型 | 第24-26页 |
| 3.2 坐姿检测算法 | 第26-43页 |
| 3.2.1 为何选择深度摄像机 | 第26-27页 |
| 3.2.2 颈部弯曲检测算法 | 第27-33页 |
| 3.2.3 躯干弯曲检测算法 | 第33-37页 |
| 3.2.4 屏幕检测算法 | 第37-42页 |
| 3.2.5 静止姿势时长计算 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 坐姿劝导的设计和应用 | 第44-59页 |
| 4.1 健康坐姿劝导策略 | 第44-46页 |
| 4.1.1 用户认知模型 | 第44-45页 |
| 4.1.2 劝导策略设计 | 第45-46页 |
| 4.2 健康坐姿劝导系统 | 第46-51页 |
| 4.2.1 系统架构设计 | 第47-48页 |
| 4.2.2 坐姿检测算法层 | 第48-49页 |
| 4.2.3 劝导技术层 | 第49-51页 |
| 4.3 健康坐姿劝导应用 | 第51-56页 |
| 4.3.1 信息告知式劝导应用 | 第51-52页 |
| 4.3.2 潜移默化式劝导应用 | 第52-54页 |
| 4.3.3 主动参与式劝导应用 | 第54-56页 |
| 4.4 设计和技术挑战 | 第56-58页 |
| 4.4.1 出乎意料的用户行为 | 第56-57页 |
| 4.4.2 实时行为识别 | 第57页 |
| 4.4.3 行为分级 | 第57页 |
| 4.4.4 个性化和可定制性 | 第57-58页 |
| 4.4.5 劝导行为的退化和停滞 | 第58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 实验及结果 | 第59-71页 |
| 5.1 坐姿检测准确性 | 第59-64页 |
| 5.1.1 实验步骤 | 第59-61页 |
| 5.1.2 实验结果及分析 | 第61-64页 |
| 5.2 坐姿检测性能 | 第64-67页 |
| 5.2.1 实验步骤 | 第64-65页 |
| 5.2.2 实验结果及分析 | 第65-67页 |
| 5.3 坐姿劝导有效性 | 第67-70页 |
| 5.3.1 实验步骤 | 第67-68页 |
| 5.3.2 实验结果及分析 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 结论和展望 | 第71-73页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 6.2.1 实验数据的丰富和开源 | 第71-72页 |
| 6.2.2 坐姿检测和劝导系统的完善和开源 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间主要的研究成果 | 第78-79页 |
| 致谢 | 第79页 |
