基于HMM-SVM的人体跌倒的事前预警与方向判别的研究
| 中文摘要 | 第4-6页 |
| Abstract | 第6-7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13-16页 |
| 1.2.1 跌倒检测分类 | 第13-16页 |
| 1.2.2 跌倒检测研究趋势 | 第16页 |
| 1.3 本文研究目的与研究内容 | 第16-19页 |
| 第二章 人体跌倒检测系统的构成 | 第19-25页 |
| 2.1 预警系统组成 | 第19-20页 |
| 2.2 传感器佩戴位置 | 第20-21页 |
| 2.3 跌倒事件与日常活动定义 | 第21-23页 |
| 2.4 采集数据预处理 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 人体行为特征的提取选择与解算 | 第25-41页 |
| 3.1 特征提取 | 第25-26页 |
| 3.2 特征选择 | 第26-35页 |
| 3.2.1 加速度特征 | 第26-31页 |
| 3.2.2 姿态角特征 | 第31-34页 |
| 3.2.3 重要数据段选择 | 第34-35页 |
| 3.3 姿态角解算 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于HMM-SVM混合模型的预警判别算法 | 第41-60页 |
| 4.1 典型跌倒预警判别算法的介绍 | 第41-42页 |
| 4.2 人体跌倒预警判别模型选择 | 第42-43页 |
| 4.3 特征基于HMM的输出概率模型建立 | 第43-51页 |
| 4.3.1 HMM简介 | 第43-48页 |
| 4.3.2 输出概率模型的建立 | 第48-51页 |
| 4.4 输出概率基于SVM的最终判别模型建立 | 第51-58页 |
| 4.4.1 支持向量机理论 | 第51-56页 |
| 4.4.2 最终判别模型的建立 | 第56-58页 |
| 4.5 HMM-SVM混合模型的跌倒预警算法流程 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 手机端安卓程序设计 | 第60-68页 |
| 5.1 安卓平台概述 | 第60-61页 |
| 5.2 交互界面设计原则 | 第61页 |
| 5.3 跌倒预警程序设计 | 第61-67页 |
| 5.3.1 设置功能 | 第63-64页 |
| 5.3.2 跌倒预警功能 | 第64-65页 |
| 5.3.3 数据采集功能 | 第65-66页 |
| 5.3.4 功能列表 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 基于舵机气嘴的气囊保护装置结构设计 | 第68-74页 |
| 6.1 常见气囊保护装置介绍 | 第68-70页 |
| 6.2 基于舵机气嘴的装置设计 | 第70-71页 |
| 6.3 气囊保护装置选型 | 第71-73页 |
| 6.4 本章小结 | 第73-74页 |
| 第七章 实验与讨论 | 第74-82页 |
| 7.1 实验设计 | 第74-75页 |
| 7.2 实验结果与讨论 | 第75-80页 |
| 7.2.1 检测率分析 | 第75-77页 |
| 7.2.2 泛化能力分析 | 第77页 |
| 7.2.3 跌倒预留时间分析 | 第77-78页 |
| 7.2.4 充气机构反应耗时分析 | 第78-79页 |
| 7.2.5 整体预警系统测试分析 | 第79-80页 |
| 7.3 本章小结 | 第80-82页 |
| 第八章 总结与展望 | 第82-84页 |
| 8.1 论文工作总结 | 第82-83页 |
| 8.2 未来工作展望 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第89-90页 |
| 致谢 | 第90页 |
