| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究的背景和意义 | 第12页 |
| 1.2 步态识别的可行性分析 | 第12-13页 |
| 1.3 步态识别的研究历史与现状 | 第13-14页 |
| 1.4 步态研究内容与难点分析 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 难点分析 | 第15-16页 |
| 1.5 本文的研究工作和论文结构 | 第16-20页 |
| 1.5.1 本文的研究工作 | 第16-17页 |
| 1.5.2 论文的组织结构 | 第17-20页 |
| 第2章 步态识别研究概述 | 第20-34页 |
| 2.1 步态识别关键技术研究现状 | 第20-23页 |
| 2.1.1 运动目标检测 | 第20-21页 |
| 2.1.2 步态特征提取与表示 | 第21-22页 |
| 2.1.3 步态特征比对 | 第22-23页 |
| 2.2 步态识别的主要方法 | 第23-26页 |
| 2.2.1 基于模型的方法 | 第24-25页 |
| 2.2.2 非模型的方法 | 第25页 |
| 2.2.3 特征融合的方法 | 第25-26页 |
| 2.3 多视角步态识别技术研究现状 | 第26-29页 |
| 2.4 数据库与评测标准 | 第29-32页 |
| 2.4.1 步态识别数据库 | 第29-31页 |
| 2.4.2 步态识别系统主要评测标准 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于步态能量图投影信息的步态视角识别算法 | 第34-48页 |
| 3.1 引言 | 第34页 |
| 3.2 相关工作 | 第34-38页 |
| 3.2.1 步态视角识别研究现状 | 第34-35页 |
| 3.2.2 步态视频预处理 | 第35-36页 |
| 3.2.3 特征选择与提取 | 第36页 |
| 3.2.4 特征降维与相关处理 | 第36-38页 |
| 3.3 基于步态能量图投影信息的步态视角识别算法原理与描述 | 第38-45页 |
| 3.3.1 视角识别特征提取 | 第39-40页 |
| 3.3.2 视角识别两级分类器设计 | 第40-43页 |
| 3.3.3 算法描述 | 第43-45页 |
| 3.4 实验结果与分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于视图一致性的多视角判别分析步态识别算法 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 相关工作 | 第48-51页 |
| 4.2.1 子空间学习的基本原理 | 第48-49页 |
| 4.2.2 多视角典型性相关分析(MCCA) | 第49页 |
| 4.2.3 多视角判别分析(MvDA) | 第49-51页 |
| 4.3 基于视图一致性的多视角判别分析步态识别算法原理与描述 | 第51-54页 |
| 4.3.1 算法原理 | 第52-53页 |
| 4.3.2 算法描述 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-58页 |
| 4.4.1 数据集描述和实验设置 | 第55页 |
| 4.4.2 不同算法实验对比与分析 | 第55-57页 |
| 4.4.3 参数对算法的影响 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 基于视角识别的加权融合多视角步态识别算法 | 第60-68页 |
| 5.1 引言 | 第60页 |
| 5.2 相关工作 | 第60-61页 |
| 5.3 基于视角识别的加权融合多视角步态识别算法原理与描述 | 第61-64页 |
| 5.3.1 算法原理 | 第61-63页 |
| 5.3.2 算法描述 | 第63-64页 |
| 5.4 实验结果与分析 | 第64-67页 |
| 5.4.1 可行性实验分析 | 第65-66页 |
| 5.4.2 不同算法实验对比与分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 本文主要工作总结 | 第68-69页 |
| 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79页 |
