视频监控中人体步态识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·生物特征识别技术 | 第8-9页 |
| ·步态识别技术 | 第9-10页 |
| ·步态识别研究的背景及意义 | 第9页 |
| ·步态识别技术应用 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国内研究现状 | 第10页 |
| ·国外研究现状 | 第10-11页 |
| ·发展趋势 | 第11页 |
| ·论文主要研究内容和组织结构 | 第11-13页 |
| 第二章 步态识别关键技术 | 第13-19页 |
| ·常用步态检测方法 | 第13-15页 |
| ·光流法 | 第13-14页 |
| ·帧间差分法 | 第14页 |
| ·背景减除法 | 第14-15页 |
| ·特征提取方法 | 第15页 |
| ·基于模型的方法 | 第15页 |
| ·基于统计的方法 | 第15页 |
| ·步态识别方法 | 第15-17页 |
| ·基于统计的识别算法 | 第16页 |
| ·基于模板匹配的识别算法 | 第16-17页 |
| ·多分类器的体系结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于ViBe算法的目标检测 | 第19-25页 |
| ·基于ViBe背景建模的目标提取 | 第19-22页 |
| ·背景建模 | 第19-21页 |
| ·差分及二值化 | 第21-22页 |
| ·形态学处理 | 第22-23页 |
| ·连通性处理 | 第23页 |
| ·步态周期检测 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 基于人体步态轮廓和骨架的特征提取 | 第25-36页 |
| ·基于人体步态轮廓的特征提取 | 第25-26页 |
| ·轮廓提取及跟踪 | 第25页 |
| ·步态轮廓描述 | 第25-26页 |
| ·基于骨架的特征提取 | 第26-32页 |
| ·骨架信息的提取 | 第26-28页 |
| ·骨架细化 | 第28-30页 |
| ·骨架的修剪 | 第30页 |
| ·骨架特征描述 | 第30-32页 |
| ·特征融合 | 第32-35页 |
| ·数据层融合 | 第32-33页 |
| ·特征层融合 | 第33-34页 |
| ·决策层融合 | 第34-35页 |
| ·加权加法融合算法 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第五章 步态识别 | 第36-46页 |
| ·最近邻模糊分类器 | 第36-38页 |
| ·特征差矩阵 | 第36-37页 |
| ·隶属度矩阵 | 第37-38页 |
| ·判决准则 | 第38页 |
| ·常见的步态数据库介绍 | 第38-41页 |
| ·实验结果和分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 结论 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 作者简介 | 第52页 |
| 攻读硕士学位期间研究成果 | 第52页 |
