| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪言 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 步态识别技术的优点 | 第8-9页 |
| 1.3 研究的应用前景 | 第9-10页 |
| 1.4 论文结构 | 第10-12页 |
| 第2章 步态识别研究现状、挑战及拟解决方案 | 第12-21页 |
| 2.1 步态识别研究现状 | 第12-16页 |
| 2.1.1 基于轮廓的方法 | 第13-14页 |
| 2.1.2 基于模型的方法 | 第14-16页 |
| 2.2 步态识别面临的挑战 | 第16-18页 |
| 2.3 拟解决方案 | 第18-21页 |
| 第3章 基于人体2D姿态特征的步态识别算法 | 第21-36页 |
| 3.1 基于人体2D姿态特征的步态识别算法流程 | 第21页 |
| 3.2 人体2D姿态特征 | 第21-22页 |
| 3.3 PTSN网络 | 第22-25页 |
| 3.3.1 LSTM提取步态动态特征 | 第23-24页 |
| 3.3.2 CNN提取步态静态特征 | 第24页 |
| 3.3.3 网络结构设置 | 第24-25页 |
| 3.4 损失函数 | 第25-27页 |
| 3.4.1 Softmax损失函数 | 第25-26页 |
| 3.4.2 Center损失函数 | 第26页 |
| 3.4.3 损失函数融合 | 第26-27页 |
| 3.5 实验数据 | 第27页 |
| 3.6 实验设置 | 第27-28页 |
| 3.7 训练模型参数设置 | 第28-29页 |
| 3.8 实验结果与分析 | 第29-36页 |
| 3.8.1 CASIAB实验结果 | 第29-32页 |
| 3.8.2 与GEI+PCA方法比较 | 第32-33页 |
| 3.8.3 实验结果与现有解决衣着和背包变化的方法比较 | 第33-34页 |
| 3.8.4 实验结果与现有方法比较 | 第34-36页 |
| 第4章 基于人体3D姿态特征的步态识别算法 | 第36-44页 |
| 4.1 3D姿态特征 | 第36-39页 |
| 4.2 实验设置 | 第39页 |
| 4.3 实验结果分析 | 第39-44页 |
| 4.3.1 CASIAB实验结果 | 第39-40页 |
| 4.3.2 实验结果与2D姿态的比较 | 第40-42页 |
| 4.3.3 实验结果与现有方法比较 | 第42-44页 |
| 第5章 总结与展望 | 第44-47页 |
| 5.1 总结 | 第44-45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间研究成果 | 第52页 |