基于人体动静态特征融合的步态识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·步态识别 | 第10-11页 |
| ·步态识别国内外研究现状 | 第11-13页 |
| ·本文的主要研究工作 | 第13-14页 |
| ·本论文组织结构 | 第14-15页 |
| 第二章 基于背景减除法的运动目标检测 | 第15-27页 |
| ·运动目标检测方法对比分析 | 第15-18页 |
| ·光流法 | 第15-16页 |
| ·帧间差分法 | 第16-17页 |
| ·背景减除法 | 第17-18页 |
| ·基于改进的背景减除法图像提取 | 第18-21页 |
| ·背景建模 | 第18-20页 |
| ·阈值选择 | 第20-21页 |
| ·基于形态学去噪处理 | 第21-24页 |
| ·膨胀 | 第23页 |
| ·腐蚀 | 第23-24页 |
| ·提取人体步态轮廓 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于特征融合的步态特征提取 | 第27-42页 |
| ·基于脚间距步态周期分析 | 第27-29页 |
| ·脚间距的周期性分析 | 第27-28页 |
| ·脚间距周期性实现 | 第28-29页 |
| ·步态特征分析及提取 | 第29-35页 |
| ·人体轮廓特征分析及提取 | 第31-32页 |
| ·步幅特征分析及提取 | 第32-34页 |
| ·步频特征分析及提取 | 第34-35页 |
| ·特征融合算法比较分析 | 第35-41页 |
| ·特征层融合算法 | 第36-37页 |
| ·匹配层融合算法 | 第37-39页 |
| ·决策层融合算法 | 第39-40页 |
| ·基于权重的改进融合算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于多分类器的步态识别 | 第42-52页 |
| ·步态数据库 | 第42-43页 |
| ·步态识别方法 | 第43页 |
| ·分类器 | 第43-45页 |
| ·最近邻分类器(NN) | 第44页 |
| ·K近邻分类器(KNN) | 第44-45页 |
| ·多分类器体系结构 | 第45-46页 |
| ·串联结构 | 第45页 |
| ·并联结构 | 第45-46页 |
| ·多分类器融合策略 | 第46-47页 |
| ·最近邻模糊分类器 | 第47-48页 |
| ·实验 | 第48-51页 |
| ·实验过程 | 第48-49页 |
| ·实验结果与分析 | 第49-50页 |
| ·方法比较 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52-53页 |
| ·下一步的研究工作 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学位论文 | 第60页 |
