基于步态及人脸特征的身份识别方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景及概要 | 第8-11页 |
| 1.2 本文主要工作与章节安排 | 第11-13页 |
| 第二章 基于步态特征的身份识别方法综述 | 第13-28页 |
| 2.1 基于步态特征身份识别的背景 | 第13-15页 |
| 2.2 基于步态识别方法的研究现状 | 第15-18页 |
| 2.2.1 研究文献综述 | 第15-16页 |
| 2.2.2 国内研究进展 | 第16-17页 |
| 2.2.3 步态识别研究常用数据库 | 第17-18页 |
| 2.3 步态识别系统 | 第18-25页 |
| 2.3.1 运动目标分割 | 第19-20页 |
| 2.3.2 步态特征提取 | 第20-24页 |
| 2.3.3 分类器 | 第24-25页 |
| 2.4 研究难点和发展趋势 | 第25-27页 |
| 2.4.1 研究难点 | 第25-26页 |
| 2.4.2 发展趋势 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于周期补偿步态特征的身份识别算法 | 第28-62页 |
| 3.1 步态轮廓线提取 | 第29-35页 |
| 3.1.1 背景剪除 | 第29-30页 |
| 3.1.2 步态轮廓线提取 | 第30-33页 |
| 3.1.3 形态学操作修复 | 第33-35页 |
| 3.2 基于PROCRUTES 统计形状分析 | 第35-45页 |
| 3.2.1 Procrutes 形状 | 第35-37页 |
| 3.2.2 PCA 主成分分析 | 第37-38页 |
| 3.2.3 特征形状提取算法 | 第38-41页 |
| 3.2.4 初步实验结果 | 第41-45页 |
| 3.3 基于步态周期的样本补偿算法 | 第45-60页 |
| 3.3.1 步态样本质量检测 | 第45-47页 |
| 3.3.2 去除质量不佳的样本 | 第47-49页 |
| 3.3.3 周期拟合 | 第49-54页 |
| 3.3.4 确定相位 | 第54-57页 |
| 3.3.5 对于样本分布的补偿 | 第57-58页 |
| 3.3.6 改进算法的实验结果 | 第58-60页 |
| 3.4 本章小结 | 第60-62页 |
| 第四章 一种基于SIFT 算子的人脸识别算法 | 第62-92页 |
| 4.1 人脸识别背景和技术 | 第62-65页 |
| 4.2 几何特征不变量 | 第65-73页 |
| 4.2.1 几何特征不变量研究综述 | 第65-68页 |
| 4.2.2 几何特征不变量构造原理 | 第68-73页 |
| 4.3 SIFT 特征提取 | 第73-80页 |
| 4.3.1 尺度空间极值的检测 | 第74-77页 |
| 4.3.2 关键点的精确定位 | 第77-78页 |
| 4.3.3 关键点方向的确定 | 第78-79页 |
| 4.3.4 关键点的精确定位 | 第79页 |
| 4.3.5 向量描述子的匹配 | 第79-80页 |
| 4.4 基于SIFT 算子的人脸识别算法 | 第80-91页 |
| 4.4.1 人脸识别算法 | 第80-85页 |
| 4.4.2 实验结果 | 第85-87页 |
| 4.4.3 应用分析 | 第87-91页 |
| 4.5 本章小结 | 第91-92页 |
| 第五章 结论 | 第92-94页 |
| 5.1 总结 | 第92-93页 |
| 5.2 未来展望 | 第93-94页 |
| 参考文献 | 第94-101页 |
| 致谢 | 第101-102页 |
| 攻读硕士学位期间已发表或录用的论文 | 第102-104页 |
