| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题的背景及意义 | 第10-11页 |
| ·相关研究领域 | 第11页 |
| ·步态识别的研究进展及成果 | 第11-14页 |
| ·有待深入研究的问题 | 第14-15页 |
| ·论文的研究内容及组织结构 | 第15-18页 |
| ·论文的研究内容 | 第15页 |
| ·论文的组织结构 | 第15-18页 |
| 第2章 步态识别基础知识 | 第18-30页 |
| ·步态数据的采集 | 第18-19页 |
| ·人体轮廓分割 | 第19-24页 |
| ·人体轮廓初提取 | 第19-22页 |
| ·形态学操作 | 第22-23页 |
| ·图像中心归一化 | 第23-24页 |
| ·步态特征选择和提取 | 第24-25页 |
| ·分类识别 | 第25-27页 |
| ·K 近邻分类器 | 第25页 |
| ·支持向量机 | 第25-26页 |
| ·贝叶斯分类器 | 第26-27页 |
| ·步态数据库 | 第27-29页 |
| ·HumanID Gait Challenge 步态数据库 | 第27-28页 |
| ·CASIA 步态数据库 B | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于步态能量图的特征融合步态识别 | 第30-44页 |
| ·特征选择与提取 | 第31-36页 |
| ·步态能量图的 HOG 特征 | 第33页 |
| ·步态能量图的 haar 小波特征 | 第33-35页 |
| ·步态能量图的局部信息熵特征 | 第35-36页 |
| ·特征降维和相关处理 | 第36-38页 |
| ·主成分分析 | 第36-37页 |
| ·典型相关分析 | 第37-38页 |
| ·特征融合 | 第38页 |
| ·分类器 | 第38-39页 |
| ·实验与结果分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于时间步态图的步态识别 | 第44-52页 |
| ·步态周期检测 | 第44-45页 |
| ·步态轮廓图像的边缘提取和色彩映射 | 第45-47页 |
| ·时间步态图 | 第47-48页 |
| ·颜色空间转换 | 第48页 |
| ·范数距离相似性测量 | 第48-49页 |
| ·实验与结果分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 最优特征融合的步态识别 | 第52-62页 |
| ·最优特征选取与算法设计 | 第52-54页 |
| ·维数约减 | 第54-55页 |
| ·规范典型相关分析 | 第55-57页 |
| ·特征融合 | 第57页 |
| ·分类器 | 第57-58页 |
| ·实验与结果分析 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士期间承担的科研任务与主要成果 | 第70-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74页 |