步态识别中的目标轮廓提取和特征维数约减研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-30页 |
| ·生物特征识别技术 | 第10-12页 |
| ·生物特征识别技术概述 | 第10-11页 |
| ·主要生物特征识别技术比较 | 第11-12页 |
| ·步态识别技术 | 第12-28页 |
| ·步态识别技术概述 | 第12-13页 |
| ·研究背景 | 第13-15页 |
| ·研究现状 | 第15-28页 |
| ·步态识别的总体框架 | 第28-29页 |
| ·论文研究内容 | 第29-30页 |
| 2 运动目标轮廓分割 | 第30-47页 |
| ·引言 | 第30页 |
| ·运动目标提取 | 第30-32页 |
| ·背景消减法 | 第30页 |
| ·采用运动场估计的方法 | 第30-31页 |
| ·帧间差分法 | 第31-32页 |
| ·采用高斯模型的分割方法 | 第32-40页 |
| ·序列图像预处理 | 第32-33页 |
| ·灰度值分布模型 | 第33-35页 |
| ·参数估计 | 第35-36页 |
| ·目标轮廓分割 | 第36-37页 |
| ·后处理 | 第37-40页 |
| ·实验结果及分析 | 第40-45页 |
| ·优度法评价结果 | 第40-42页 |
| ·偏差法评价结果 | 第42-43页 |
| ·识别率评价 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 3 维数约减 | 第47-57页 |
| ·引言 | 第47-48页 |
| ·线性维数约减 | 第48-51页 |
| ·主成分分析法(PCA) | 第48-51页 |
| ·其他线性降维方法 | 第51页 |
| ·非线性维数约减 | 第51-55页 |
| ·局部线性嵌入(LLE) | 第52-54页 |
| ·多维尺度方法(MDS) | 第54-55页 |
| ·Isomap 方法 | 第55页 |
| ·拉普拉斯映射法 | 第55页 |
| ·其他非线性维数约减方法 | 第55页 |
| ·本章小结 | 第55-57页 |
| 4 PCA 和SLLE 融合的步态识别算法 | 第57-72页 |
| ·引言 | 第57页 |
| ·步态数据库及特征提取 | 第57-60页 |
| ·步态周期 | 第57-58页 |
| ·步态特点 | 第58页 |
| ·信息获取原理 | 第58-59页 |
| ·步态数据库 | 第59页 |
| ·图像尺度归一化和特征提取 | 第59-60页 |
| ·分类信息融合策略 | 第60-66页 |
| ·信息融合概论 | 第60-61页 |
| ·信息融合系统的基本模型 | 第61页 |
| ·分类器技术简介 | 第61-63页 |
| ·多分类器的体系结构 | 第63-64页 |
| ·多分类器的融合策略 | 第64-66页 |
| ·特征维数约减和步态身份识别 | 第66-70页 |
| ·对数据集的预处理 | 第66页 |
| ·基于LLE 方法的本征维数估计 | 第66-68页 |
| ·有监督的LLE 方法 | 第68-69页 |
| ·采用主成分分析方法的特征维数约减 | 第69-70页 |
| ·融合线性和非线性维数约减特征信息的步态识别 | 第70页 |
| ·识别分类和结果分析 | 第70-71页 |
| ·算法识别率和运行时间 | 第70-71页 |
| ·识别结果分析 | 第71页 |
| ·本章小结 | 第71-72页 |
| 5 总结与展望 | 第72-74页 |
| ·本文工作总结 | 第72-73页 |
| ·后续研究工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-82页 |
| 附录 | 第82-84页 |
