基于步态的人体身份识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·生物识别技术 | 第9-11页 |
| ·步态识别技术 | 第11-13页 |
| ·本文研究内容及组织结构 | 第13-14页 |
| ·研究内容 | 第13-14页 |
| ·组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 步态识别方法研究 | 第15-30页 |
| ·步态识别的一般方法介绍 | 第15-23页 |
| ·预处理 | 第15-16页 |
| ·特征提取 | 第16-21页 |
| ·分类器 | 第21-22页 |
| ·步态数据库 | 第22-23页 |
| ·本文涉及到的模式识别相关理论 | 第23-29页 |
| ·BP 神经网络 | 第23-24页 |
| ·主成分分析 | 第24-26页 |
| ·形态学处理 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 预处理 | 第30-37页 |
| ·引言 | 第30页 |
| ·步态序列图像预处理 | 第30-33页 |
| ·背景建模 | 第30-31页 |
| ·目标检测 | 第31-32页 |
| ·二值化 | 第32-33页 |
| ·形态学后处理 | 第33页 |
| ·步态周期处理 | 第33-36页 |
| ·步态周期检测 | 第34-35页 |
| ·步态周期归整化 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于静态特征的步态识别 | 第37-49页 |
| ·引言 | 第37-38页 |
| ·特征提取 | 第38-42页 |
| ·提取Zernike 矩 | 第38-39页 |
| ·提取小波矩 | 第39页 |
| ·特征处理 | 第39-42页 |
| ·算法描述 | 第42-43页 |
| ·识别 | 第43-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·实验结果 | 第46页 |
| ·结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 融合静态特征与动态特征的步态识别 | 第49-55页 |
| ·引言 | 第49页 |
| ·特征提取 | 第49-50页 |
| ·提取人体宽度特征 | 第49-50页 |
| ·提取不变矩特征 | 第50页 |
| ·特征处理 | 第50页 |
| ·算法描述 | 第50-51页 |
| ·识别 | 第51-52页 |
| ·相似性度量 | 第51-52页 |
| ·分类器选择 | 第52页 |
| ·实验结果及分析 | 第52-54页 |
| ·实验结果 | 第52-53页 |
| ·结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论及展望 | 第55-57页 |
| ·本文取得的成果和不足之处 | 第55页 |
| ·对后续研究工作的展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64页 |
