存在干扰因素情况下的步态识别统动力学初步探索
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 生物识别 | 第9-15页 |
| 1.1.1 生物识别简介 | 第9页 |
| 1.1.2 生物识别系统 | 第9-11页 |
| 1.1.3 常用生物特征 | 第11-13页 |
| 1.1.4 生物识别系统性能 | 第13-15页 |
| 1.2 步态识别 | 第15-20页 |
| 1.2.1 步态识别优缺点 | 第15页 |
| 1.2.2 步态识别应用场景 | 第15-16页 |
| 1.2.3 步态识别研究现状 | 第16-17页 |
| 1.2.4 步态数据库 | 第17-19页 |
| 1.2.5 步态识别的难点 | 第19-20页 |
| 1.3 本文内容和结构安排 | 第20-22页 |
| 第二章 步态识别基本方法 | 第22-42页 |
| 2.1 步态视频序列处理 | 第22-28页 |
| 2.1.1 视频预处理 | 第23-24页 |
| 2.1.2 运动目标检测与分割 | 第24-27页 |
| 2.1.3 形态学后处理 | 第27-28页 |
| 2.2 步态特征提取 | 第28-33页 |
| 2.2.1 模型方法 | 第29-30页 |
| 2.2.2 非模型方法 | 第30-33页 |
| 2.3 特征选择 | 第33-37页 |
| 2.3.1 主成分分析 | 第34-35页 |
| 2.3.2 线性鉴别分析 | 第35-37页 |
| 2.4 分类器 | 第37-40页 |
| 2.4.1 最小距离分类器 | 第38-39页 |
| 2.4.2 支持向量机 | 第39页 |
| 2.4.3 神经网络分类器 | 第39-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第三章 基于信息熵子模式典型相关分析的步态识别 | 第42-54页 |
| 3.1 信息熵子模式提取 | 第42-46页 |
| 3.1.1 信息熵的概念 | 第43-44页 |
| 3.1.2 信息熵图的计算 | 第44-45页 |
| 3.1.3 信息熵子模式提取 | 第45-46页 |
| 3.2 子模式典型相关分析 | 第46-49页 |
| 3.2.1 典型相关分析 | 第46-47页 |
| 3.2.2 子模式典型相关分析 | 第47-49页 |
| 3.3 分类器设计 | 第49-50页 |
| 3.4 算法流程 | 第50-51页 |
| 3.5 实验及结果分析 | 第51-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于扩充字典及协同表示的步态识别 | 第54-67页 |
| 4.1 稀疏表示分类器 | 第54-57页 |
| 4.2 协同表示分类器 | 第57-58页 |
| 4.3 基于SRC和CRC的步态识别效果 | 第58-61页 |
| 4.4 构建干扰因素分量字典 | 第61-62页 |
| 4.5 基于扩充字典的协同表示 | 第62-63页 |
| 4.6 实验及结果分析 | 第63-66页 |
| 4.6.1 识别效果 | 第64-65页 |
| 4.6.2 运算时间 | 第65-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 步态识别系统的初步设计与实现 | 第67-77页 |
| 5.1 步态识别系统实现平台 | 第67-68页 |
| 5.1.1 操作系统 | 第67页 |
| 5.1.2 开发平台 | 第67-68页 |
| 5.2 Open CV介绍 | 第68-69页 |
| 5.3 系统设计与实现 | 第69-76页 |
| 5.3.1 信息注册子系统 | 第71-72页 |
| 5.3.2 身份识别子系统 | 第72-73页 |
| 5.3.3 信息验证子系统 | 第73-74页 |
| 5.3.4 功能验证 | 第74-76页 |
| 5.4 本章总结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-86页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第86-87页 |
| 致谢 | 第87-88页 |
