基于小波变换和支持向量机相结合的步态识别新方法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题研究背景 | 第9-10页 |
| ·步态识别的研究现状 | 第10-12页 |
| ·步态识别的研究意义 | 第12-13页 |
| ·本文研究思路 | 第13-15页 |
| ·本文内容组织 | 第15-16页 |
| 第二章 步态识别技术 | 第16-24页 |
| ·步态识别原理及方法 | 第16-17页 |
| ·步态识别的应用前景 | 第17-19页 |
| ·实验所用步态数据库 | 第19-23页 |
| ·CASIA步态数据库 | 第19-20页 |
| ·USF步态数据库 | 第20-22页 |
| ·TIGD红外步态数据库（自建） | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 复杂背景中的人体检测与轮廓提取 | 第24-30页 |
| ·复杂背景下的人体目标检测 | 第24-26页 |
| ·复杂背景下的人体目标提取 | 第26-28页 |
| ·RGB颜色模型 | 第26-27页 |
| ·人体目标的分割 | 第27页 |
| ·人体轮廓规格化 | 第27-28页 |
| ·实验结果分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于人体模型的步态特征参数提取 | 第30-55页 |
| ·人体两种模型的结合 | 第30-31页 |
| ·步态特征的形状分析 | 第31-33页 |
| ·形状分析 | 第31-32页 |
| ·形状分析预处理 | 第32-33页 |
| ·步态特征图的小波分解 | 第33-43页 |
| ·小波理论基础 | 第34-37页 |
| ·小波的选取 | 第37-38页 |
| ·小波图像分解 | 第38-43页 |
| ·基于不变矩的特征参数提取 | 第43-47页 |
| ·矩与不变矩 | 第43-46页 |
| ·不变矩参数的提取 | 第46页 |
| ·规格化不变矩 | 第46-47页 |
| ·骨架特征参数提取分析 | 第47-54页 |
| ·数学形态学中的基本运算 | 第48-49页 |
| ·数学形态学的骨架算法 | 第49页 |
| ·Matlab程序实现 | 第49-51页 |
| ·骨架的特征参数提取 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于支持向量机的步态识别新方法 | 第55-69页 |
| ·支持向量机的识别原理 | 第55-61页 |
| ·支持向量机基础理论 | 第55-59页 |
| ·支持向量机的识别原理 | 第59-61页 |
| ·支持向量机的内核函数 | 第61页 |
| ·基于支持向量机的步态识别方法 | 第61-63页 |
| ·分类器 | 第61-62页 |
| ·分类器参数的确定 | 第62-63页 |
| ·实验结果分析 | 第63-68页 |
| ·CASIA数据库的识别结果分析 | 第63-65页 |
| ·USF数据库的识别结果分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 红外热成像系统在步态识别中的应用 | 第69-78页 |
| ·红外基础理论 | 第69-70页 |
| ·红外热像仪的工作原理 | 第70-71页 |
| ·红外步态数据采集方法 | 第71-73页 |
| ·红外人体目标的分割 | 第73-74页 |
| ·TIGD红外数据库的识别结果分析 | 第74-77页 |
| ·训练及测试 | 第74-75页 |
| ·性能评估及结果分析 | 第75-76页 |
| ·识别方法的比较 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第七章 智能步态门禁系统实验平台 | 第78-93页 |
| ·系统实验平台概述 | 第78-79页 |
| ·系统实验平台组成 | 第79-80页 |
| ·系统实验平台功能 | 第80-81页 |
| ·视频采集的C程序设计 | 第81-85页 |
| ·实时视频监控 | 第85-86页 |
| ·MATLAB与C语言程序的连接 | 第86-89页 |
| ·图像匹配识别结果与分析 | 第89-92页 |
| ·本章小结 | 第92-93页 |
| 第八章 总结与展望 | 第93-97页 |
| ·内容总结 | 第93-94页 |
| ·创新之处 | 第94页 |
| ·工作展望 | 第94-97页 |
| 参考文献 | 第97-105页 |
| 发表论文与科研情况 | 第105-106页 |
| 附录：重要的英文缩写 | 第106-107页 |
| 致谢 | 第107页 |
