| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 研究现状与发展趋势 | 第11-14页 |
| 1.2.1 国内外研究现状和发展趋势 | 第11-13页 |
| 1.2.2 人体姿态识别基本介绍 | 第13-14页 |
| 1.3 本文的主要研究内容与章节安排 | 第14-15页 |
| 第2章 老年监护系统人体姿态的检测和特征提取 | 第15-33页 |
| 2.1 摄像机的标定 | 第16-21页 |
| 2.2 深度图的获取 | 第21-24页 |
| 2.2.1 传统方法获取深度图 | 第21-22页 |
| 2.2.2 Xtion获取深度图 | 第22-24页 |
| 2.3 图像的预处理 | 第24-26页 |
| 2.3.1 图像噪声和滤波 | 第24-25页 |
| 2.3.2 图像的形态学处理 | 第25-26页 |
| 2.4 背景建模与人体追踪 | 第26-29页 |
| 2.4.1 背景建模常用方法 | 第27-28页 |
| 2.4.2 地板检测 | 第28-29页 |
| 2.5 人体的特征值提取 | 第29页 |
| 2.6 常用的模式识别分类算法比较 | 第29-31页 |
| 2.7 本章小结 | 第31-33页 |
| 第3章 老年监护系统人体状态识别算法的研究 | 第33-41页 |
| 3.1 人工神经网络来源 | 第33页 |
| 3.2 BP神经网络算法设计 | 第33-38页 |
| 3.2.1 BP神经网络基本组成 | 第34-35页 |
| 3.2.2 BP神经网络层数的选择 | 第35-36页 |
| 3.2.3 BP神经网络激活函数的选择 | 第36-37页 |
| 3.2.4 BP神经网络训练方法的选择 | 第37-38页 |
| 3.3 误差的计算与权值更新 | 第38-39页 |
| 3.4 BP神经网络仿真 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 状态识别算法的仿真验证与结果分析 | 第41-50页 |
| 4.1 老年监护系统人体状态识别算法的需求与目标 | 第41页 |
| 4.2 状态识别算法的总体解决方案 | 第41-42页 |
| 4.3 人体目标追踪与特征提取 | 第42-44页 |
| 4.4 设置BP神经网络算法的参数 | 第44-45页 |
| 4.5 采样与训练 | 第45-46页 |
| 4.6 实验结果分析 | 第46-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第5章 老年监护系统的应用 | 第50-57页 |
| 5.1 ARM处理器结构 | 第50-51页 |
| 5.2 老年监护硬件系统的实现 | 第51-55页 |
| 5.2.1 ARMCortex-A53开发板镜像烧写 | 第51-52页 |
| 5.2.2 ARMCortex-A53开发板系统环境搭建 | 第52-53页 |
| 5.2.3 远程控制与文件互传 | 第53-55页 |
| 5.3 结果分析 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-64页 |
| 致谢 | 第64页 |