基于蚁群算法和遗传算法的步态识别研究
| 目录 | 第1-7页 |
| CONTENTS | 第7-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 缩略词说明 | 第14-15页 |
| 第一章 绪论 | 第15-24页 |
| ·步态分析的研究背景及意义 | 第15-17页 |
| ·步态识别的研究现状 | 第17-19页 |
| ·国外研究现状 | 第17-18页 |
| ·国内研究现状 | 第18-19页 |
| ·主要步态识别方法概述 | 第19-22页 |
| ·基于模型的方法 | 第19-20页 |
| ·基于运动的方法 | 第20-22页 |
| ·本文的创新和内容安排 | 第22-24页 |
| ·本文的研究工作和创新 | 第22页 |
| ·本文内容的安排组织 | 第22-24页 |
| 第二章 步态特征提取 | 第24-37页 |
| ·引言 | 第24页 |
| ·运动检测 | 第24-27页 |
| ·高斯混合建模 | 第25-27页 |
| ·形态学滤波处理 | 第27页 |
| ·感兴趣区域提取与处理 | 第27-31页 |
| ·矩形框提取 | 第28页 |
| ·矩形框归一化处理 | 第28-30页 |
| ·矩形框中心化处理 | 第30-31页 |
| ·步态周期分割 | 第31-32页 |
| ·计算步态能量图 | 第32-36页 |
| ·步态能量图 | 第32-35页 |
| ·利用步态能量图提取步态特征 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第三章 基于HMM算法的步态识别 | 第37-47页 |
| ·引言 | 第37页 |
| ·HMM算法模型 | 第37-39页 |
| ·HMM基本算法 | 第39-44页 |
| ·HMM的三个基本问题 | 第39页 |
| ·HMM的三个基本算法 | 第39-44页 |
| ·HMM算法用于步态识别 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于蚁群算法的步态识别 | 第47-56页 |
| ·引言 | 第47页 |
| ·蚁群算法模型 | 第47-49页 |
| ·标准蚁群算法 | 第49-50页 |
| ·蚁群算法用于步态识别 | 第50-54页 |
| ·训练过程 | 第51-53页 |
| ·识别过程 | 第53-54页 |
| ·实验结果 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第五章 基于遗传-蚁群算法的步态识别 | 第56-70页 |
| ·引言 | 第56页 |
| ·遗传算法模型 | 第56-60页 |
| ·遗传算法 | 第56-58页 |
| ·遗传算子 | 第58-60页 |
| ·遗传-蚁群步态识别算法 | 第60-65页 |
| ·参数初始化 | 第62-63页 |
| ·粗略估计聚类中心 | 第63页 |
| ·利用遗传算法优化聚类中心 | 第63-64页 |
| ·识别 | 第64-65页 |
| ·实验结果 | 第65-66页 |
| ·三种识别算法比较 | 第66-69页 |
| ·小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-73页 |
| ·本文的成果与不足 | 第70-71页 |
| ·研究方向展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间发表的论文 | 第79-80页 |
| 学位论文评阅及答辩情况表 | 第80页 |
