| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 引言 | 第14-19页 |
| ·生物特征识别技术 | 第14页 |
| ·步态识别 | 第14-15页 |
| ·步态识别应用 | 第15-16页 |
| ·智能监控应用 | 第15-16页 |
| ·计算机人体行为分析 | 第16页 |
| ·步态识别研究内容 | 第16-17页 |
| ·步态前景提取 | 第16页 |
| ·特征提取 | 第16页 |
| ·模式分类 | 第16-17页 |
| ·步态数据库 | 第17页 |
| ·本文的研究内容和组织结构 | 第17-19页 |
| ·本文的主要研究内容 | 第17页 |
| ·本文的组织结构 | 第17-19页 |
| 第2章 步态识别方法研究 | 第19-31页 |
| ·步态前景提取 | 第19-22页 |
| ·背景差法 | 第19页 |
| ·时间差分法 | 第19-20页 |
| ·光流法 | 第20页 |
| ·形态学处理 | 第20-22页 |
| ·特征提取 | 第22-28页 |
| ·基于模型的方法 | 第23-24页 |
| ·非模型化方法 | 第24-27页 |
| ·特征提取方法分析与总结 | 第27-28页 |
| ·模式分类 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第3章 基于傅立叶变换的步态识别 | 第31-48页 |
| ·步态前景的提取 | 第31-34页 |
| ·背景建模 | 第31-32页 |
| ·差影及自适应阈值计算的二值化 | 第32-34页 |
| ·形态学处理 | 第34页 |
| ·步态图像的空间特征表示 | 第34-36页 |
| ·步态图像归一化 | 第34-35页 |
| ·质心的计算 | 第35页 |
| ·同心圆向量的步态表示 | 第35-36页 |
| ·步态图像的频率特征提取 | 第36-38页 |
| ·傅立叶变换基本理论 | 第36-37页 |
| ·步态图像频率特征的提取 | 第37-38页 |
| ·步态特征的融合与提取 | 第38-40页 |
| ·基于空间特征与频率特征相结合的步态识别 | 第40-42页 |
| ·规格化步态周期 | 第40-41页 |
| ·相似性度量 | 第41页 |
| ·分类识别 | 第41-42页 |
| ·实验 | 第42-46页 |
| ·实验平台与参数设定 | 第42页 |
| ·实验结果与分析 | 第42-46页 |
| ·实验结果评估与比较 | 第46页 |
| ·小结 | 第46-48页 |
| 第4章 基于小波分析的步态识别 | 第48-56页 |
| ·小波分析理论 | 第48-49页 |
| ·基于小波分析的步态特征提取 | 第49-51页 |
| ·基于小波分析的步态识别 | 第51-52页 |
| ·相似性度量 | 第51-52页 |
| ·分类识别 | 第52页 |
| ·实验 | 第52-55页 |
| ·实验平台与参数设定 | 第52页 |
| ·实验结果与分析 | 第52-55页 |
| ·小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读学位期间所发表的学术论文及参加的科研项目 | 第64页 |