基于步态的身份识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·生物特征识别概述 | 第11页 |
| ·步态识别概述 | 第11-12页 |
| ·步态识别的影响因素 | 第12-13页 |
| ·步态识别的性能预测 | 第13-14页 |
| ·步态识别的研究动态 | 第14-19页 |
| ·图像处理 | 第14-16页 |
| ·周期检测 | 第16-17页 |
| ·特征提取 | 第17-18页 |
| ·识别方法 | 第18-19页 |
| ·论文研究内容 | 第19-20页 |
| ·论文组织结构 | 第20-21页 |
| 第2章 步态图像处理 | 第21-41页 |
| ·图像帧的提取 | 第21页 |
| ·灰度变换 | 第21-22页 |
| ·中值滤波 | 第22-23页 |
| ·背景重建 | 第23-24页 |
| ·运动分割 | 第24-26页 |
| ·运动分割概述 | 第24-25页 |
| ·最大熵阈值分割 | 第25页 |
| ·灰度值校正 | 第25-26页 |
| ·二值图像处理 | 第26-33页 |
| ·贴标签 | 第26-28页 |
| ·腐蚀与膨胀 | 第28-31页 |
| ·开运算与闭运算 | 第31-33页 |
| ·冗余帧去除 | 第33-34页 |
| ·图像标准化、中心化 | 第34-36页 |
| ·图像缩小 | 第34-35页 |
| ·图像放大 | 第35-36页 |
| ·中心化 | 第36页 |
| ·周期检测 | 第36-38页 |
| ·周期检测概述 | 第36-37页 |
| ·基于下肢最大宽度的周期检测 | 第37-38页 |
| ·步态能量图像(GEI)的合成 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第3章 特征提取 | 第41-51页 |
| ·步态特征提取方法 | 第41-43页 |
| ·基于模型的方法 | 第42页 |
| ·非模型的方法 | 第42-43页 |
| ·线性判别分析(LDA) | 第43-48页 |
| ·Fisher线性变换 | 第43-46页 |
| ·Fisher变换问题分析 | 第46-48页 |
| ·改进的LDA算法 | 第48-49页 |
| ·算法原理 | 第48-49页 |
| ·算法步骤 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第4章 步态识别 | 第51-57页 |
| ·识别方法 | 第51-52页 |
| ·模板匹配 | 第51页 |
| ·统计方法 | 第51-52页 |
| ·分类决策 | 第52-53页 |
| ·最近邻法 | 第52页 |
| ·K近邻法 | 第52-53页 |
| ·最近标本分类器 | 第53页 |
| ·距离度量 | 第53页 |
| ·识别性能 | 第53-54页 |
| ·视角无关的识别方法研究 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
