| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究现状及方法 | 第13-15页 |
| ·研究难点及发展趋势 | 第15-17页 |
| ·论文主要研究内容与组织结构 | 第17-18页 |
| 第2章 步态识别基本理论与技术 | 第18-31页 |
| ·步态识别系统的基本框架 | 第18-19页 |
| ·步态数据库简介 | 第19-21页 |
| ·步态检测与轮廓提取 | 第21-25页 |
| ·运动目标检测与背景建模 | 第21-24页 |
| ·运动目标形态学后处理 | 第24-25页 |
| ·步态周期检测 | 第25-29页 |
| ·基于面积的步态周期检测方法 | 第26-27页 |
| ·基于重心的步态周期检测方法 | 第27页 |
| ·基于边界框的步态周期检测方法 | 第27-29页 |
| ·步态周期检测方法小结 | 第29页 |
| ·步态识别算法分类 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于支持向量机的步态识别 | 第31-49页 |
| ·步态能量图 | 第31-34页 |
| ·侧面轮廓提取和模板化 | 第31-33页 |
| ·步态能量图的表示 | 第33-34页 |
| ·主成分特征提取和降维 | 第34-37页 |
| ·近邻法分类算法 | 第37-38页 |
| ·支持向量机分类算法 | 第38-40页 |
| ·实验及结果分析 | 第40-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于随机子空间的步态识别 | 第49-73页 |
| ·二维线性判别分析算法 | 第49-52页 |
| ·广义二维主成分分析及其扩展 | 第52-54页 |
| ·二维主成分分析（2DPCA）及扩展（E2DPCA） | 第52-53页 |
| ·完全二维主成分分析（C2DPCA） | 第53-54页 |
| ·加权完全二维主成分分析（WC2DPCA） | 第54页 |
| ·随机子空间（Random Subspace Method） | 第54-56页 |
| ·实验及结果分析 | 第56-72页 |
| ·随机子空间的子空间个数（L）的影响 | 第60-62页 |
| ·随机子空间的子空间维数（N）的影响 | 第62-65页 |
| ·服装类型变化的影响 | 第65-69页 |
| ·不同身体部位的影响 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第5章 结束语 | 第73-76页 |
| ·工作总结 | 第73-74页 |
| ·总结展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |