| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 引言 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-17页 |
| 1.3.1 人迹追踪的研究现状 | 第12-14页 |
| 1.3.2 步态分析的研究现状 | 第14-16页 |
| 1.3.3 人迹追踪常用公开数据集 | 第16-17页 |
| 1.4 本文主要工作及结构安排 | 第17-19页 |
| 1.4.1 本文主要工作 | 第17页 |
| 1.4.2 论文结构安排 | 第17-19页 |
| 第2章 行人运动检测与分割的研究 | 第19-27页 |
| 2.1 视频图像噪声去除 | 第19-20页 |
| 2.2 运动目标检测 | 第20-24页 |
| 2.2.1 经典运动目标检测算法 | 第20-22页 |
| 2.2.2 改进背景减除法 | 第22-24页 |
| 2.3 行人运动目标分割 | 第24-26页 |
| 2.3.1 行人检测 | 第24-25页 |
| 2.3.2 阴影消除 | 第25页 |
| 2.3.3 形态学处理 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 行人步态特征表征及降维研究 | 第27-35页 |
| 3.1 行人步态周期检测 | 第27-28页 |
| 3.1.1 步态周期的定义 | 第27页 |
| 3.1.2 步态周期的检测 | 第27-28页 |
| 3.2 行人步态特征提取 | 第28-30页 |
| 3.2.1 步态能量图 | 第28-29页 |
| 3.2.2 改进的步态能量图特征提取 | 第29-30页 |
| 3.3 维数降维及融合 | 第30-34页 |
| 3.3.1 LLE方法的原理 | 第30-32页 |
| 3.3.2 有监督LLE方法 | 第32-33页 |
| 3.3.3 主成分分析方法的维数约减 | 第33页 |
| 3.3.4 融合PCA和LLE的维数约减 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于融合的步态特征识别的研究 | 第35-43页 |
| 4.1 多特征融合 | 第35-38页 |
| 4.1.1 特征融合分类 | 第35-36页 |
| 4.1.2 图像不变矩与步态特征融合 | 第36-37页 |
| 4.1.3 分类器及相似性排序 | 第37-38页 |
| 4.2 融合步态识别算法实验 | 第38-42页 |
| 4.2.1 融合步态识别系统实验框架 | 第38-39页 |
| 4.2.2 融合步态识别系统实验结果分析 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 基于OPENCV和步态分析的人迹追踪的系统设计与实现 | 第43-53页 |
| 5.1 OPENCV函数库 | 第43-48页 |
| 5.1.1 OpenCV简介 | 第43页 |
| 5.1.2 OpenCV主要模块 | 第43页 |
| 5.1.3 OpenCV3.1.0环境配置 | 第43-48页 |
| 5.2 人迹追踪系统的设计 | 第48-49页 |
| 5.2.1 操作系统及开发平台 | 第48页 |
| 5.2.2 系统设计 | 第48-49页 |
| 5.3 人迹追踪系统的实现 | 第49-52页 |
| 5.3.1 系统界面 | 第49-50页 |
| 5.3.2 软件实现 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |