首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的多视角步态识别算法设计与研究

摘要第3-4页
Abstract第4页
第1章 绪论第9-11页
    1.1 研究背景、目的和意义第9页
    1.2 步态技术的优点第9-10页
    1.3 步态技术的应用前景第10-11页
第2章 国内外研究现状与挑战第11-17页
    2.1 步态识别的研究现状第11-14页
    2.2 步态识别的挑战第14-15页
    2.3 研究内容和论文结构第15-17页
第3章 步态识别的框架及相关理论第17-27页
    3.1 步态识别系统框架及流程第17-18页
        3.1.1 训练流程第17-18页
        3.1.2 测试流程第18页
    3.2 步态能量图特征第18-21页
    3.3 主成分分析第21-22页
    3.4 自动编码器以及SPAE介绍第22-27页
        3.4.1 自动编码器(Auto-encoder)介绍第22-24页
        3.4.2 SPAE介绍第24-27页
第4章 数据、实验和结果第27-48页
    4.1 数据库介绍第27-28页
    4.2 实验设置第28-30页
        4.2.1 训练集与测试集设置第28页
        4.2.2 针对步态的SPAE设计第28-29页
        4.2.3 GEI实验数据的使用第29-30页
    4.3 实验结果分析第30-45页
        4.3.1 实验一:优化正常行走的多角度问题第30-38页
        4.3.2 实验二:优化三种行走序列上的多角度问题第38-40页
        4.3.3 实验三:优化着装与携带物品问题第40-42页
        4.3.4 实验四:共同解决三大挑战第42-45页
    4.4 与现有方法比较第45-47页
    4.5 本章小结第47-48页
第5章 总结与展望第48-50页
    5.1 总结第48页
    5.2 展望第48-50页
参考文献第50-53页
致谢第53-54页
攻读硕士学位期间的研究成果第54页

论文共54页,点击 下载论文
上一篇:西藏班公湖—怒江缝合带中西段上侏罗统—下白垩统沙木罗组锆石U-Pb年龄及其构造意义
下一篇:危险化学品管理法律制度研究