| 第一章 绪论 | 第1-15页 |
| ·引言 | 第9-10页 |
| ·人运动分析系统的现状 | 第10-11页 |
| ·步态识别研究现状 | 第11-12页 |
| ·本文的主要研究内容和结构 | 第12-15页 |
| 第二章 步态识别方法概述 | 第15-22页 |
| ·运动目标分割 | 第15-16页 |
| ·特征提取方法 | 第16-17页 |
| ·基于统计特性的特征提取方法 | 第16页 |
| ·基于模型的特征提取方法 | 第16-17页 |
| ·特征处理及其识别方法 | 第17-22页 |
| ·子空间变换法 | 第17-20页 |
| ·速率Hough 变换(Velocity Hough Transform, VHT) | 第20页 |
| ·步态识别方法 | 第20-22页 |
| 第三章 支持向量机原理 | 第22-28页 |
| ·统计学习理论 | 第22页 |
| ·SVM 基本原理 | 第22-23页 |
| ·SVM 的数学模型 | 第23-25页 |
| ·线性支持向量机 | 第23-24页 |
| ·非线性支持向量机 | 第24-25页 |
| ·线性不可分情况的处理 | 第25页 |
| ·SVM 的训练算法 | 第25-28页 |
| ·选块算法 | 第25-26页 |
| ·分解算法 | 第26-27页 |
| ·序列最小优化算法(Sequential Minimal Optimization) | 第27-28页 |
| 第四章 基于SVM 的步态身份识别 | 第28-41页 |
| ·目标分割 | 第29-31页 |
| ·背景建模 | 第29页 |
| ·差分后二值化 | 第29-30页 |
| ·步态轮廓处理 | 第30-31页 |
| ·步态特征提取与处理 | 第31-38页 |
| ·步态空间特征 | 第32页 |
| ·步态时域特征 | 第32-36页 |
| ·特征向量压缩 | 第36-38页 |
| ·SVM 的方法应用于步态身份识别 | 第38-41页 |
| ·SVM 的训练与测试 | 第38-39页 |
| ·SVM 的具体实现 | 第39-40页 |
| ·核函数及参数选择 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实验结果和数据分析 | 第41-44页 |
| ·实验数据来源 | 第41-42页 |
| ·实验结果 | 第42页 |
| ·实验数据分析 | 第42-44页 |
| 第六章 全文总结及展望 | 第44-48页 |
| ·本文总结 | 第44-45页 |
| ·本文展望 | 第45-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |