| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的研究内容及组织结构 | 第13-14页 |
| 2 步态识别方法综述 | 第14-22页 |
| 2.1 步态识别方法流程 | 第14-15页 |
| 2.2 步态识别方法分类 | 第15-20页 |
| 2.2.1 基于特征的分类 | 第15-17页 |
| 2.2.2 基于分类器的分类 | 第17-20页 |
| 2.3 步态数据库 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于步态帧差熵图的步态识别 | 第22-32页 |
| 3.1 步态图像预处理 | 第22-25页 |
| 3.1.1 目标提取 | 第22-23页 |
| 3.1.2 步态周期检测 | 第23-24页 |
| 3.1.3 步态图像标准化 | 第24-25页 |
| 3.2 步态帧差熵图 | 第25-28页 |
| 3.2.1 步态能量图 | 第25-26页 |
| 3.2.2 步态帧差能量图 | 第26-27页 |
| 3.2.3 步态帧差熵图 | 第27-28页 |
| 3.3 基于步态帧差熵图的识别方法 | 第28-29页 |
| 3.4 实验结果及分析 | 第29-31页 |
| 3.4.1 实验数据来源及平台 | 第29页 |
| 3.4.2 实验结果分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于步态帧差熵图的视角归一化步态识别 | 第32-45页 |
| 4.1 视角归一化的原理 | 第32-35页 |
| 4.1.1 不变特征 | 第32-33页 |
| 4.1.2 低秩特性 | 第33-34页 |
| 4.1.3 视角归一化与低秩优化 | 第34-35页 |
| 4.2 基于步态帧差熵图的视角归一化方法 | 第35-41页 |
| 4.2.1 低秩变换 | 第35-37页 |
| 4.2.2 增广Lagrange乘子法 | 第37-39页 |
| 4.2.3 增广Lagrange乘子法求解优化问题 | 第39-41页 |
| 4.3 实验结果及分析 | 第41-44页 |
| 4.3.1 步态特征图像归一化前后结果 | 第41-42页 |
| 4.3.2 GEI、GFDEI、GFDEnI视角归一化前后的识别效果对比 | 第42-43页 |
| 4.3.3 GEI、GFDEI、GFDEnI视角归一化后的识别效果对比 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 总结和展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录 | 第52页 |
