基于树莓派的人体跌倒监测系统的研究与实现

目录

声明

第一章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于可穿戴式设备的跌倒监测方法

1.2.2 基于外围传感器设备的跌倒监测方法

1.2.3 基于计算机视觉的跌倒监测方法

1.3 跌倒监测的难点与挑战

1.4 研究创新点与主要工作

1.5 本文结构安排

第二章运动目标提取

2.1 运动目标的提取方法

2.1.1 帧间差分

2.1.2 三帧差分

2.1.3 背景差分

2.2 混合高斯背景建模（GMM）

2.2.1 算法理论

2.2.2 算法流程

2.2.3 实现效果

2.3 融合边缘提取

2.3.1 边缘提取及改进

2.3.2 实验结果及比较

2.4 HSV颜色空间阴影消除

2.4.1 HSV颜色空间

2.4.2 算法原理

2.4.3 实验结果

2.5 形态学处理

2.5.1 腐蚀和膨胀

2.5.2 开闭运算

2.5.3 实验结果

2.6 本章小结

第三章特征选择与提取

3.1 最小外接矩形

3.1.1 提取方法及问题

3.1.2 改进及效果对比

3.2 常见几何形状特征

3.2.1 宽高比

3.2.2 周长平方面积比

3.2.3 离心率

3.2.4 质心

3.3 Hu 不变矩特征

3.3.1 理论与计算

3.3.2 不变性验证

3.4 傅里叶描述子

3.4.1 傅里叶描述子概述

3.4.2 计算方式

3.4.3 不变性的构造

3.5 特征向量的构成

3.6 本章小结

第四章姿态和动作识别

4.1 支持向量机模型

4.1.1 线性可分支持向量机

4.1.2 线性不可分与核函数

4.1.3 将二分类推广至多分类

4.1.4 支持向量机在行为识别中的应用

4.2 隐马尔可夫模型

4.2.1 隐马尔可夫模型概述

4.2.2 观测序列的生成过程

4.2.3 隐马尔可夫基本三问题

4.2.4 隐马尔可夫模型在行为识别中的应用

4.3 实验数据集

4.3.1 数据集概述

4.3.2 特征向量提取及预处理

4.4 实验与结果分析

4.4.1 基于支持向量机模型的单帧姿态识别实验

4.4.2 基于隐马尔可夫模型的多帧姿态识别实验

4.5 本章小结

第五章系统集成与实现

5.1 系统总体架构

5.1.1 系统概述

5.1.2 树莓派

5.1.3 系统架构说明

5.2 系统服务端设计

5.3 系统客户端设计

5.4 实验结果与分析

5.5 本章小结

第六章总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间取得的研究成果

致谢