基于步态光流图与稀疏表示的步态识别
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| ·步态识别研究意义 | 第9-10页 |
| ·步态识别研究的内容 | 第10-11页 |
| ·步态识别国内外研究现状 | 第11-15页 |
| ·步态目标检测 | 第11-12页 |
| ·步态特征提取 | 第12-14页 |
| ·步态识别 | 第14-15页 |
| ·步态数据库 | 第15-16页 |
| ·本文的主要工作和组织安排 | 第16-18页 |
| 第二章 步态目标提取 | 第18-29页 |
| ·步态目标检测 | 第18-20页 |
| ·背景建模 | 第18-19页 |
| ·差分图像及二值化 | 第19-20页 |
| ·形态学处理 | 第20-24页 |
| ·膨胀 | 第20-21页 |
| ·腐蚀 | 第21-22页 |
| ·开运算和闭运算 | 第22-24页 |
| ·连通区域分析 | 第24页 |
| ·图像归一化处理 | 第24-26页 |
| ·步态周期检测 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于步态光流图的步态特征提取 | 第29-42页 |
| ·步态光流图 | 第29-35页 |
| ·光流场计算 | 第29-33页 |
| ·提取步态光流图 | 第33-35页 |
| ·步态特征提取 | 第35-41页 |
| ·主成分分析（PCA） | 第35-37页 |
| ·线性判别分析法（LDA） | 第37-39页 |
| ·局部保持流形学习算法（LPP） | 第39-40页 |
| ·步态特征提取算法流程 | 第40-41页 |
| ·本章总结 | 第41-42页 |
| 第四章 基于稀疏表示的步态识别方法 | 第42-66页 |
| ·压缩感知理论 | 第42-45页 |
| ·稀疏表示理论 | 第45-47页 |
| ·稀疏表示的基本理论 | 第45-46页 |
| ·稀疏表示 | 第46-47页 |
| ·稀疏表示分解 | 第47-52页 |
| ·全局优化算法 | 第47-49页 |
| ·贪婪算法 | 第49-52页 |
| ·基于稀疏表示的分类器 | 第52-54页 |
| ·基本思想概述 | 第52页 |
| ·字典构造 | 第52-53页 |
| ·稀疏表示分类 | 第53-54页 |
| ·基于局部约束组稀疏表示分类算法 | 第54-61页 |
| ·引言 | 第54-55页 |
| ·组稀疏表示分类器（GSR） | 第55页 |
| ·局部约束的稀疏表示分类（LLC） | 第55-58页 |
| ·局部约束组稀疏表示分类（LGSR） | 第58-61页 |
| ·实验与比较 | 第61-65页 |
| ·步态数据库 | 第61页 |
| ·实验流程 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第73页 |
