| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 第1章 引言 | 第12-17页 |
| ·生物特征识别技术 | 第12页 |
| ·步态和步态识别 | 第12-13页 |
| ·步态识别的研究意义和背景 | 第13-14页 |
| ·智能监控应用 | 第14页 |
| ·计算机人体行为分析 | 第14页 |
| ·步态识别研究内容 | 第14-15页 |
| ·本文研究内容和组织结构 | 第15-17页 |
| ·本文的主要工作 | 第15-16页 |
| ·文章组织结构 | 第16-17页 |
| 第2章 步态识别方法研究 | 第17-31页 |
| ·轮廓提取 | 第17-20页 |
| ·背景差法 | 第17-18页 |
| ·时间差分法 | 第18页 |
| ·光流法 | 第18-20页 |
| ·特征提取 | 第20-22页 |
| ·基于模型的方法 | 第20-21页 |
| ·基于统计的方法 | 第21-22页 |
| ·特征处理 | 第22-25页 |
| ·主成分分析 | 第22-24页 |
| ·线性判别分析 | 第24-25页 |
| ·模式分类 | 第25-30页 |
| ·K近邻分类法 | 第25页 |
| ·隐马尔可夫模型 | 第25-26页 |
| ·支持向量机 | 第26-27页 |
| ·BP神经网络 | 第27-29页 |
| ·贝叶斯 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第3章 步态图像预处理 | 第31-36页 |
| ·背景建模 | 第31-32页 |
| ·二值化 | 第32页 |
| ·形态学处理 | 第32-34页 |
| ·腐蚀 | 第33页 |
| ·膨胀 | 第33-34页 |
| ·开运算和闭运算 | 第34页 |
| ·图像连通处理 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第4章 基于步态能量图的抗噪处理 | 第36-45页 |
| ·引言 | 第36页 |
| ·步态能量图 | 第36-39页 |
| ·步态能量图理论 | 第36-37页 |
| ·步态能量图抗噪分析 | 第37-39页 |
| ·抗噪处理过程 | 第39-44页 |
| ·人体轮廓归一化 | 第39-40页 |
| ·计算步态能量图 | 第40页 |
| ·步态能量图阈值过滤 | 第40-41页 |
| ·抗噪处理过程 | 第41-42页 |
| ·阈值过滤参数设定 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第5章 基于加权质量向量的步态识别 | 第45-53页 |
| ·特征提取 | 第45-47页 |
| ·行质量向量 | 第45页 |
| ·抗噪处理效果对比分析 | 第45-47页 |
| ·特征处理 | 第47-48页 |
| ·权重向量计算方法 | 第47-48页 |
| ·权重向量更新方法 | 第48页 |
| ·特征匹配 | 第48-50页 |
| ·归一化欧式距离法 | 第49页 |
| ·改进的归一化欧式距离法 | 第49-50页 |
| ·识别 | 第50页 |
| ·步态识别实验 | 第50-52页 |
| ·实验数据库 | 第50页 |
| ·实验流程 | 第50-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文及参加的科研项目 | 第61页 |