基于三轴加速度传感器跌倒检测方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 基于视频图像的跌倒检测系统 | 第12-13页 |
| 1.3.2 可穿戴式的跌倒检测系统 | 第13-14页 |
| 1.3.3 环境式的跌倒检测系统 | 第14-15页 |
| 1.4 论文的主要研究工作及章节安排 | 第15-16页 |
| 第二章 跌倒分析 | 第16-22页 |
| 2.1 跌倒原因 | 第16页 |
| 2.2 人体活动分类 | 第16-18页 |
| 2.3 跌倒过程人体物理量的变化 | 第18-20页 |
| 2.3.1 跌倒模型建立 | 第18页 |
| 2.3.2 加速度的变化 | 第18-20页 |
| 2.3.3 人体倾角的变化 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 跌倒算法的研究 | 第22-39页 |
| 3.1 两种典型的跌倒检测方法 | 第22-24页 |
| 3.1.1 基于阈值判断的跌倒检测方法 | 第22-23页 |
| 3.1.2 基于模式识别的跌倒检测方法 | 第23页 |
| 3.1.3 两种跌倒检测方法的比较 | 第23-24页 |
| 3.2 数据滤波处理 | 第24-27页 |
| 3.2.1 中值滤波 | 第24页 |
| 3.2.2 均值滤波 | 第24-25页 |
| 3.2.3 卡尔曼滤波 | 第25页 |
| 3.2.4 几种滤波方法的比较 | 第25-27页 |
| 3.3 特征量的选取 | 第27-30页 |
| 3.4 跌倒检测方法的设计 | 第30-37页 |
| 3.4.1 跌倒检测方法设计过程 | 第30-35页 |
| 3.4.2 跌倒检测算法 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 跌倒检测系统的实现 | 第39-54页 |
| 4.1 系统整体介绍 | 第39页 |
| 4.2 跌倒检测系统功能需求分析 | 第39-40页 |
| 4.2.1 软件方面 | 第39-40页 |
| 4.2.2 硬件方面 | 第40页 |
| 4.3 跌倒检测系统的硬件实现 | 第40-45页 |
| 4.3.1 加速度传感器模块 | 第41-42页 |
| 4.3.2 MCU模块和无线通信模块 | 第42-43页 |
| 4.3.3 电源模块和报警模块 | 第43-44页 |
| 4.3.4 跌倒检测装置实物图 | 第44-45页 |
| 4.4 跌倒检测系统的软件实现 | 第45-52页 |
| 4.4.1 蓝牙 4.0BLE协议栈 | 第45-46页 |
| 4.4.2 操作系统抽象层 | 第46-47页 |
| 4.4.3 跌倒检测应用层程序 | 第47-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 实验设计及结果分析 | 第54-69页 |
| 5.1 实验设计 | 第54-58页 |
| 5.1.1 佩戴位置 | 第54-55页 |
| 5.1.2 跌倒实验对象及实验方法 | 第55-57页 |
| 5.1.3 实验评价指标 | 第57-58页 |
| 5.2 阈值的确定 | 第58-62页 |
| 5.2.1 合加速度SMV阈值 | 第58-60页 |
| 5.2.2 合加速度均值阈值 | 第60-61页 |
| 5.2.3 人体倾角阈值 | 第61-62页 |
| 5.3 实验验证 | 第62-63页 |
| 5.4 跌倒检测方法的改进 | 第63-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 论文工作总结 | 第69-70页 |
| 6.2 未来展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
