| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-13页 |
| 1.2 国内外研究现状综述 | 第13-14页 |
| 1.3 步态研究难点 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15页 |
| 1.5 本文组织结构 | 第15-18页 |
| 第2章 步态识别理论 | 第18-30页 |
| 2.1 步态视频动态前景检测 | 第19-22页 |
| 2.1.1 帧间差分法 | 第19-20页 |
| 2.1.2 背景减除法 | 第20-21页 |
| 2.1.3 光流法 | 第21-22页 |
| 2.2 步态特征提取 | 第22-25页 |
| 2.2.1 基于模型的方法 | 第22-24页 |
| 2.2.2 基于整体的方法 | 第24-25页 |
| 2.3 步态模式分类器 | 第25-27页 |
| 2.3.1 支持向量机(SVM) | 第25-26页 |
| 2.3.2 人工神经网络(ANN) | 第26页 |
| 2.3.3 最近邻法(NN)和k邻分类法(KNN) | 第26-27页 |
| 2.4 步态数据库 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 步态二值图像的预处理 | 第30-42页 |
| 3.1 运动目标的检测 | 第30-32页 |
| 3.2 形态学处理 | 第32-37页 |
| 3.2.1 膨胀和腐蚀 | 第33-35页 |
| 3.2.2 开运算和闭运算 | 第35-37页 |
| 3.3 连通区域的分析 | 第37-38页 |
| 3.4 步态周期检测 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 步态特征提取 | 第42-50页 |
| 4.1 Radon变换 | 第42-45页 |
| 4.1.1 Radon原理 | 第42-44页 |
| 4.1.2 Radon变换的结果 | 第44-45页 |
| 4.2 HU不变矩 | 第45-48页 |
| 4.2.1 HU不变矩原理 | 第45-47页 |
| 4.2.2 步态能量图 | 第47-48页 |
| 4.3 PCA降维 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 决策融合及分类识别 | 第50-66页 |
| 5.1 融合概述 | 第50-53页 |
| 5.1.1 数据层融合 | 第50-51页 |
| 5.1.2 特征层融合 | 第51-52页 |
| 5.1.3 决策层融合 | 第52-53页 |
| 5.2 SVM分类器 | 第53-58页 |
| 5.2.1 统计学习理论 | 第53-55页 |
| 5.2.2 SVM分类器原理 | 第55-56页 |
| 5.2.3 线性支持向量机 | 第56-57页 |
| 5.2.4 非线性支持向量机 | 第57-58页 |
| 5.3 识别结果与分析 | 第58-64页 |
| 5.3.1 实验流程 | 第58-59页 |
| 5.3.2 实验结果分析 | 第59-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 工作总结与展望 | 第66-70页 |
| 6.1 全文工作总结 | 第66页 |
| 6.2 未来的研究方向 | 第66-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |