融合深度视频和可穿戴传感的跌倒检测研究及其系统设计
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 跌倒检测数据来源研究现状 | 第13-16页 |
| 1.2.2 跌倒检测算法研究现状 | 第16-17页 |
| 1.3 本论文研究工作及结构 | 第17-19页 |
| 第二章 基础工作介绍 | 第19-30页 |
| 2.1 Kinect及Open NI介绍 | 第19-22页 |
| 2.1.1 Kinect介绍 | 第19页 |
| 2.1.2 Open NI以及骨架模型算法 | 第19-21页 |
| 2.1.3 坐标系统转换 | 第21-22页 |
| 2.2 数据库建立及分析 | 第22-27页 |
| 2.2.1 跌倒和日常行为集合 | 第23-26页 |
| 2.2.2 数据库结构介绍 | 第26-27页 |
| 2.3 跌倒检测算法测试方案 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于深度视频的跌倒检测 | 第30-51页 |
| 3.1 深度视频的跌倒检测算法 | 第30-43页 |
| 3.1.1 跌倒数据介绍以及预处理 | 第30-32页 |
| 3.1.2 特征提取 | 第32-37页 |
| 3.1.3 深度视频地面检测算法 | 第37-40页 |
| 3.1.4 跌倒检测分类算法介绍 | 第40-42页 |
| 3.1.5 算法流程 | 第42-43页 |
| 3.2 实验设计及跌倒优化分析 | 第43-50页 |
| 3.2.1 实验设计 | 第43页 |
| 3.2.2 跌倒时间窗口优化 | 第43-45页 |
| 3.2.3 跌倒距离自适应 | 第45-46页 |
| 3.2.4 分类结果对比分析 | 第46-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第四章 基于特征融合的跌倒检测 | 第51-67页 |
| 4.1 基于穿戴式设备传感的跌倒检测算法 | 第51-58页 |
| 4.1.1 穿戴式设备三维空间运动模型 | 第51-55页 |
| 4.1.2 多传感器特征提取 | 第55-57页 |
| 4.1.3 算法流程 | 第57-58页 |
| 4.2 特征融合算法 | 第58-60页 |
| 4.3 实验设计及跌倒优化分析 | 第60-66页 |
| 4.3.1 实验设计 | 第60页 |
| 4.3.2 跌倒时间窗口优化 | 第60-61页 |
| 4.3.3 分类结果对比分析 | 第61-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 跌倒检测系统设计及实验 | 第67-82页 |
| 5.1 跌倒检测系统设计 | 第68-75页 |
| 5.1.1 跌倒检测系统整体介绍 | 第68-70页 |
| 5.1.2 穿戴式设备端设计以及数据传输 | 第70-72页 |
| 5.1.3 决策融合 | 第72-75页 |
| 5.1.4 通知模块 | 第75页 |
| 5.2 跌倒检测系统实验分析 | 第75-81页 |
| 5.2.1 系统的实时性分析 | 第75-76页 |
| 5.2.2 系统的跌倒检测实验分析 | 第76-81页 |
| 5.3 本章小结 | 第81-82页 |
| 总结与展望 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 攻读硕士学位期间取得的成果 | 第89-90页 |
| 致谢 | 第90-91页 |
| Ⅳ-2答辩委员会对论文的评定意见 | 第91页 |
