| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 选题背景与意义 | 第11-12页 |
| 1.2 步态识别的主要环节 | 第12-17页 |
| 1.2.1 运动检测 | 第13-14页 |
| 1.2.2 周期检测 | 第14页 |
| 1.2.3 特征提取 | 第14-16页 |
| 1.2.4 识别分类 | 第16-17页 |
| 1.3 研究难点与发展趋势 | 第17-18页 |
| 1.4 本文研究内容及组织安排 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 典型步态识别算法回顾和仿真 | 第20-33页 |
| 2.1 基于主成分分析的典型步态识别算法回顾 | 第20-23页 |
| 2.1.1 步态序列的预处理 | 第20-21页 |
| 2.1.2 步态周期检测 | 第21页 |
| 2.1.3 特征提取与识别 | 第21-22页 |
| 2.1.4 仿真与实验结果 | 第22-23页 |
| 2.2 基于随机子空间的多视角步态识别算法回顾 | 第23-28页 |
| 2.2.1 步态视角检测 | 第24-25页 |
| 2.2.2 随机子空间的构造 | 第25-26页 |
| 2.2.3 仿真与实验结果 | 第26-28页 |
| 2.3 基于动态能量图和二维局部保持投影的步态识别算法回顾 | 第28-32页 |
| 2.3.1 步态图像的预处理 | 第28-29页 |
| 2.3.2 动态能量图的合成 | 第29-30页 |
| 2.3.3 二维局部保持投影 | 第30-31页 |
| 2.3.4 仿真与实验结果 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于标准差的自适应双阈值运动检测方法 | 第33-43页 |
| 3.1 常见的运动检测方法及其存在的问题 | 第33-34页 |
| 3.2 运动检测方法的改进 | 第34-41页 |
| 3.2.1 基于标准差的背景更新建模 | 第34-39页 |
| 3.2.2 自适应双阈值的处理 | 第39-41页 |
| 3.3 本章小结 | 第41-43页 |
| 第四章 基于多周期帧融合的步态周期生成方法 | 第43-53页 |
| 4.1 常用步态周期生成方法及其存在的问题 | 第43-45页 |
| 4.2 用多周期帧融合方法改进步态周期的生成 | 第45-48页 |
| 4.3 步态能量图及其改进 | 第48-50页 |
| 4.3.1 步态能量图的定义与构造 | 第48-49页 |
| 4.3.2 用头部重心配准改进步态能量图 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 基于步态压缩图的步态识别 | 第53-66页 |
| 5.1 步态压缩图的提出 | 第53-56页 |
| 5.2 提取步态压缩图主成分特征 | 第56页 |
| 5.3 使用线性判别分析增强可鉴别度 | 第56-57页 |
| 5.4 实验结果与讨论 | 第57-65页 |
| 5.4.1 R2DPCA、C2DPCA和RC2DPCA三种方法的性能比较 | 第57-60页 |
| 5.4.2 使用 2DLDA方法的结果 | 第60-61页 |
| 5.4.3 与典型步态识别算法的比较 | 第61-62页 |
| 5.4.4 不同身体部分对识别率的贡献 | 第62-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 结束语 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |