老人跌倒检测算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-15页 |
| 1.3 论文的主要内容与结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 跌倒检测系统设计与相关理论 | 第17-33页 |
| 2.1 跌倒检测系统设计 | 第17-19页 |
| 2.1.1 硬件系统设计 | 第17-18页 |
| 2.1.2 软件系统设计 | 第18-19页 |
| 2.2 人体运动模型分析 | 第19-20页 |
| 2.3 理论基础 | 第20-26页 |
| 2.3.1 跌倒与日常活动 | 第20-23页 |
| 2.3.2 跌倒特点分析 | 第23-26页 |
| 2.4 跌倒检测的常用算法 | 第26-32页 |
| 2.4.1 阈值判别法 | 第26-27页 |
| 2.4.2 模式识别分类法 | 第27-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 跌倒信号预处理与特征提取 | 第33-41页 |
| 3.1 跌倒信号预处理 | 第33-35页 |
| 3.1.1 剔除野点 | 第33-34页 |
| 3.1.2 平滑去噪 | 第34-35页 |
| 3.2 特征分析与提取 | 第35-39页 |
| 3.2.1 时域特征 | 第35-36页 |
| 3.2.2 频域特征 | 第36-37页 |
| 3.2.3 信号加窗特征提取 | 第37-39页 |
| 3.3 主成分分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 跌倒检测算法设计 | 第41-48页 |
| 4.1 基于SVM增量学习的跌倒检测算法 | 第41-46页 |
| 4.1.1 壳向量的求解 | 第44页 |
| 4.1.2 基于壳向量增量学习训练过程 | 第44-46页 |
| 4.2 算法评估 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 跌倒算法测试与结果分析 | 第48-53页 |
| 5.1 实验测试条件 | 第48-50页 |
| 5.2 实验结果与分析 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表的论文与取得的成果 | 第59-61页 |
| 致谢 | 第61页 |
