基于BEMD的多视角步态识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 运动目标检测 | 第11-12页 |
| 1.2.2 步态特征提取方法 | 第12-14页 |
| 1.2.3 步态识别方法 | 第14页 |
| 1.2.4 步态数据库 | 第14-15页 |
| 1.3 本文研究的主要内容 | 第15-16页 |
| 第2章 步态图像预处理及周期检测 | 第16-24页 |
| 2.1 步态图像预处理 | 第16-20页 |
| 2.1.1 运动目标检测 | 第16-18页 |
| 2.1.2 二值图像形态学处理 | 第18-19页 |
| 2.1.3 图像连通区域处理 | 第19-20页 |
| 2.2 步态周期检测 | 第20-23页 |
| 2.2.1 归一化处理 | 第20-21页 |
| 2.2.2 周期检测 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 步态特征提取 | 第24-39页 |
| 3.1 步态能量图 | 第24-25页 |
| 3.2 经验模态分解 | 第25-27页 |
| 3.2.1 EMD方法原理 | 第25-27页 |
| 3.2.2 EMD方法的特点及存在的问题 | 第27页 |
| 3.3 二维经验模态分解 | 第27-31页 |
| 3.3.1 BEMD方法原理 | 第28-30页 |
| 3.3.2 BEMD方法的关键问题 | 第30-31页 |
| 3.4 基于BEMD的步态特征提取与构建 | 第31-37页 |
| 3.4.1 特征提取 | 第31-33页 |
| 3.4.2 多视角步态特征构建 | 第33-37页 |
| 3.5 特征维数约简 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 多视角步态识别 | 第39-56页 |
| 4.1 支持向量机 | 第39-42页 |
| 4.1.1 支持向量机原理 | 第39-42页 |
| 4.1.2 多分类支持向量机 | 第42页 |
| 4.2 遗传算法 | 第42-46页 |
| 4.2.1 遗传算法的基本流程 | 第43-44页 |
| 4.2.2 遗传算法优化SVM参数 | 第44-46页 |
| 4.3 实验与分析 | 第46-55页 |
| 4.3.1 实验数据 | 第46页 |
| 4.3.2 实验方案设计 | 第46-48页 |
| 4.3.3 实验结果分析 | 第48-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文及获得成果 | 第61-62页 |
| 致谢 | 第62页 |
