侧面视角下基于一维运动曲线的人体步态识别
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 步态识别研究背景 | 第11-12页 |
| 1.2 步态识别研究现状 | 第12-13页 |
| 1.3 步态识别框架和方法综述 | 第13-15页 |
| 1.4 步态识别难点 | 第15页 |
| 1.5 常用数据库 | 第15-16页 |
| 1.6 各章节安排 | 第16-17页 |
| 2 人体检测 | 第17-51页 |
| 2.1 常用的人体检测算法 | 第17-23页 |
| 2.1.1 背景差分法 | 第17-18页 |
| 2.1.2 帧间差分法 | 第18-21页 |
| 2.1.3 光流法 | 第21-23页 |
| 2.2 复杂背景下的人体检测 | 第23-44页 |
| 2.2.1 图像序列的背景提取 | 第23-25页 |
| 2.2.2 基于Kalman滤波的背景更新算法 | 第25-27页 |
| 2.2.3 颜色空间的分析 | 第27-31页 |
| 2.2.4 混合颜色空间的建立 | 第31-36页 |
| 2.2.5 改进的背景更新算法 | 第36-40页 |
| 2.2.6 自适应亮度调整 | 第40-43页 |
| 2.2.7 自动阈值分割 | 第43-44页 |
| 2.3 人体图像纠错处理 | 第44-47页 |
| 2.3.1 投影法 | 第44-46页 |
| 2.3.2 形态学算法 | 第46-47页 |
| 2.4 实验结果及分析 | 第47-50页 |
| 2.5 小结 | 第50-51页 |
| 3 步态曲线提取 | 第51-73页 |
| 3.1 人体运动空域分析 | 第51-54页 |
| 3.1.1 周期性分析 | 第51-52页 |
| 3.1.2 归一化处理 | 第52-54页 |
| 3.2 人体骨架化 | 第54-65页 |
| 3.2.1 骨架的定义及其意义 | 第54页 |
| 3.2.2 星型骨架 | 第54-57页 |
| 3.2.3 细化骨架 | 第57-61页 |
| 3.2.4 改进的细化算法 | 第61-64页 |
| 3.2.5 关键节点的标注 | 第64-65页 |
| 3.3 步态曲线的生成 | 第65-72页 |
| 3.3.1 运动曲线提取 | 第65-69页 |
| 3.3.2 曲线拟合 | 第69-72页 |
| 3.4 本章小结 | 第72-73页 |
| 4 特征提取及识别 | 第73-83页 |
| 4.1 特征提取 | 第73-74页 |
| 4.2 kNN分类器 | 第74-77页 |
| 4.2.1 kNN基本原理 | 第75-77页 |
| 4.3 实验结果及分析 | 第77-82页 |
| 4.4 本章小结 | 第82-83页 |
| 5 总结和展望 | 第83-85页 |
| 5.1 总结 | 第83页 |
| 5.2 展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第89-93页 |
| 学位论文数据集 | 第93页 |
