运用角度统计特征识别步态
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·引言 | 第8-9页 |
| ·研究步态识别的目的和意义 | 第9页 |
| ·步态识别的研究现状 | 第9-12页 |
| ·基于模型的步态识别 | 第9-10页 |
| ·基于非模型的步态识别 | 第10-12页 |
| ·研究难点与发展趋势 | 第12页 |
| ·本文的研究内容 | 第12-14页 |
| 2 步态检测 | 第14-31页 |
| ·步态数据库的选取 | 第14页 |
| ·常用步态检测方法介绍 | 第14-17页 |
| ·背景消除法 | 第14-15页 |
| ·帧间差分法 | 第15-16页 |
| ·光流法 | 第16-17页 |
| ·背景消除法检测步态 | 第17-30页 |
| ·获取背景图像 | 第17-21页 |
| ·差分运算 | 第21-24页 |
| ·二值化运算 | 第24-27页 |
| ·形态学后处理 | 第27-28页 |
| ·尺寸归一化处理 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 步态表征 | 第31-39页 |
| ·关键帧的提取 | 第31-32页 |
| ·问题背景 | 第31页 |
| ·步态周期性分析 | 第31-32页 |
| ·提取关键帧 | 第32页 |
| ·镜像处理 | 第32-33页 |
| ·步态特征提取 | 第33-37页 |
| ·质心的计算 | 第33页 |
| ·坐标变换 | 第33-34页 |
| ·特征值的计算 | 第34-37页 |
| ·特征值归一化 | 第37页 |
| ·本章小节 | 第37-39页 |
| 4 步态鉴别 | 第39-59页 |
| ·步态鉴别概论 | 第39-40页 |
| ·模式识别的常用方法 | 第40-42页 |
| ·统计模式识别方法 | 第40页 |
| ·句法模式识别方法 | 第40-41页 |
| ·模糊模式识别方法 | 第41页 |
| ·神经网络模式识别方法 | 第41-42页 |
| ·人工智能模式识别方法 | 第42页 |
| ·分类器 | 第42-49页 |
| ·近邻法分类器 | 第42-44页 |
| ·神经网络分类器 | 第44-46页 |
| ·支持向量机分类器 | 第46-49页 |
| ·特征选择 | 第49-54页 |
| ·特征选择算法分类 | 第50-51页 |
| ·模拟退火算法 | 第51-53页 |
| ·遗传算法 | 第53-54页 |
| ·步态鉴别实验 | 第54-57页 |
| ·特征选择实验 | 第55-56页 |
| ·分类实验 | 第56-57页 |
| ·大规模步态数据库步态鉴别方法探讨 | 第57页 |
| ·本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73-74页 |
