基于形状特征的步态识别方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第11-12页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要研究内容及工作 | 第16-17页 |
| 1.4 结构安排 | 第17-18页 |
| 2 步态检测与图像预处理 | 第18-30页 |
| 2.1 步态检测 | 第18-20页 |
| 2.1.1 光流法 | 第18-19页 |
| 2.1.2 帧间差分法 | 第19页 |
| 2.1.3 背景减除法 | 第19-20页 |
| 2.2 基于混合高斯模型的步态检测 | 第20-22页 |
| 2.3 步态图像预处理 | 第22-25页 |
| 2.3.1 形态学处理 | 第22-23页 |
| 2.3.2 周期检测 | 第23-24页 |
| 2.3.3 图像尺寸归一化 | 第24-25页 |
| 2.4 仿真实验与分析 | 第25-29页 |
| 2.4.1 步态检测 | 第25-26页 |
| 2.4.2 步态图像预处理 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于形状的步态特征提取 | 第30-42页 |
| 3.1 形状特征提取 | 第30-31页 |
| 3.2 基于形状上下文的特征提取 | 第31-35页 |
| 3.2.1 形状上下文基本原理 | 第31-32页 |
| 3.2.2 基于特征点重采样的形状上下文 | 第32-35页 |
| 3.3 基于Hu不变矩的特征提取 | 第35-38页 |
| 3.3.1 Hu不变矩基本原理 | 第35-37页 |
| 3.3.2 加权Hu不变矩 | 第37-38页 |
| 3.4 仿真实验及结果分析 | 第38-41页 |
| 3.4.1 基于形状上下文的特征提取 | 第38-40页 |
| 3.4.2 基于Hu不变矩的特征提取 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 特征融合与分类识别 | 第42-55页 |
| 4.1 特征融合 | 第42-45页 |
| 4.1.1 融合算法 | 第42-44页 |
| 4.1.2 步态特征融合 | 第44-45页 |
| 4.2 支持向量机 | 第45-49页 |
| 4.2.1 支持向量机基本原理 | 第45-47页 |
| 4.2.2 核函数 | 第47-48页 |
| 4.2.3 分类器设计 | 第48-49页 |
| 4.3 仿真实验与结果分析 | 第49-54页 |
| 4.3.1 基于单一形状特征的步态识别 | 第50-53页 |
| 4.3.2 基于融合形状特征的步态识别 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 基于形状特征的步态识别软件设计与实现 | 第55-74页 |
| 5.1 开发环境 | 第55页 |
| 5.2 软件需求 | 第55-56页 |
| 5.3 软件设计 | 第56-61页 |
| 5.3.1 用户登录模块 | 第56-57页 |
| 5.3.2 运动目标检测模块 | 第57-58页 |
| 5.3.3 步态特征提取模块 | 第58-60页 |
| 5.3.4 步态识别模块 | 第60-61页 |
| 5.4 软件实现 | 第61-73页 |
| 5.4.1 用户登录模块 | 第61-64页 |
| 5.4.2 运动目标检测模块 | 第64-66页 |
| 5.4.3 步态特征提取模块 | 第66-71页 |
| 5.4.4 步态识别模块 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 在学研究成果 | 第80-81页 |
| 致谢 | 第81页 |
