睡眠占據(jù)嬰兒生活的大半部分,優(yōu)質(zhì)的睡眠不僅有利于嬰兒骨骼、組織器官和免疫系統(tǒng)的發(fā)育,更有助于中樞神經(jīng)系統(tǒng)的成熟、智力的成長(zhǎng)。當(dāng)前國內(nèi)外關(guān)于睡眠評(píng)估的研究主要是針對(duì)病人或者成人,對(duì)嬰兒的研究較少。本文主要研究了基于視頻的嬰兒睡眠評(píng)估算法。由于本文所使用的視頻均來自于網(wǎng)絡(luò),考慮到視頻來源的獨(dú)特性及不同年齡階段嬰兒獨(dú)特的睡眠習(xí)性,本文分別對(duì)入眠、睡眠姿勢(shì)、睡眠質(zhì)量共三方面的內(nèi)容進(jìn)行了研究,本文的主要工作如下:第一,嬰兒入眠檢測(cè)。本文提出了一種基于支持向量機(jī)（Support Vector Machine,SVM）的嬰兒入眠檢測(cè)算法。因睡眠是一個(gè)持續(xù)性的過程,判斷某一時(shí)刻嬰兒是否處于睡眠,應(yīng)該結(jié)合包含此時(shí)刻的某個(gè)區(qū)間綜合判斷。本算法使用當(dāng)前時(shí)刻前后一分鐘內(nèi)的數(shù)據(jù)來評(píng)估,并根據(jù)距離目標(biāo)時(shí)刻的遠(yuǎn)近賦予不同的權(quán)值,最后使用SVM分類器進(jìn)行訓(xùn)練。在本文嬰兒視頻的條件下,實(shí)際測(cè)試的睡眠檢測(cè)準(zhǔn)確率為85.5%。第二,嬰兒睡眠姿勢(shì)分類。本文提出了一種基于XGBoost（eXtreme Gradient Boosting）的嬰兒睡眠姿勢(shì)分類算法。目前流行的睡眠姿勢(shì)檢測(cè)是基于壓力傳感器和深度相機(jī),沒有發(fā)現(xiàn)基于普通... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 嬰兒入眠檢測(cè)
        1.2.2 嬰兒睡眠姿勢(shì)
        1.2.3 嬰兒睡眠質(zhì)量
    1.3 本文主要貢獻(xiàn)及創(chuàng)新
    1.4 論文結(jié)構(gòu)安排
第二章 視頻圖像預(yù)處理
    2.1 圖像灰度化
    2.2 圖像歸一化
    2.3 高斯模糊
    2.4 高斯混合模型背景提取
    2.5 圖像開操作
    2.6 本章小結(jié)
第三章 嬰兒入眠檢測(cè)
    3.1 基于線性回歸的睡眠檢測(cè)算法
    3.2 Kripke睡眠檢測(cè)算法
    3.3 基于SVM的嬰兒睡眠檢測(cè)算法
        3.3.1 SVM分類器
        3.3.2 基于SVM的嬰兒睡眠檢測(cè)算法
        3.3.3 算法測(cè)試及分析
    3.4 本章小結(jié)
第四章 嬰兒睡眠姿勢(shì)分類
    4.1 基于壓力床單的睡眠姿勢(shì)分類算法
    4.2 XGBoost集成模型
    4.3 基于XGBoost的睡眠姿勢(shì)分類算法
        4.3.1 嬰兒位置中心化
        4.3.2 特征提取
        4.3.3 基于XGBoost的睡眠姿勢(shì)分類算法
        4.3.4 算法結(jié)果分析
    4.4 本章小結(jié)
第五章 嬰兒睡眠質(zhì)量評(píng)估
    5.1 基于壓力傳感器的睡眠質(zhì)量評(píng)估
    5.2 基于Zeo的睡眠質(zhì)量評(píng)估
    5.3 基于嬰兒視頻的睡眠質(zhì)量評(píng)估
        5.3.1 嬰兒睡眠
        5.3.2 嬰兒睡眠質(zhì)量評(píng)估算法
        5.3.3 算法測(cè)試與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)



本文編號(hào)：3484054