| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 步态识别的国内外研究现状 | 第14-15页 |
| 1.3 深度神经网络的国内外研究现状 | 第15-17页 |
| 1.4 问题的难点 | 第17-18页 |
| 1.5 论文主要工作 | 第18-19页 |
| 1.6 论文组织结构 | 第19-20页 |
| 第2章 相关理论和技术介绍 | 第20-28页 |
| 2.1 神经网络 | 第20-22页 |
| 2.1.1 生物神经元概述 | 第20-21页 |
| 2.1.2 人工神经元概述 | 第21-22页 |
| 2.2 卷积神经网络 | 第22-25页 |
| 2.3 循环神经网络 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 人体姿态识别 | 第28-47页 |
| 3.1 残差网络 | 第29-31页 |
| 3.1.1 梯度消失和梯度爆炸 | 第30页 |
| 3.1.2 残差原理 | 第30-31页 |
| 3.2 前向计算节点 | 第31-38页 |
| 3.2.1 Inception Resnet V2 | 第32-35页 |
| 3.2.2 OutPutHeat | 第35-38页 |
| 3.3 损失节点 | 第38-41页 |
| 3.3.1 数据集标注预处理 | 第38-39页 |
| 3.3.2 交叉熵 | 第39-41页 |
| 3.4 优化器节点 | 第41-42页 |
| 3.4.1 梯度下降 | 第41-42页 |
| 3.4.2 梯度下降的实现 | 第42页 |
| 3.5 姿态与特征生成 | 第42-43页 |
| 3.6 数据集与训练 | 第43-46页 |
| 3.6.1 数据集介绍 | 第43-44页 |
| 3.6.2 训练以及实验 | 第44-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第4章 行人识别 | 第47-59页 |
| 4.1 前向计算节点 | 第48-55页 |
| 4.1.1 数据预处理层 | 第49-50页 |
| 4.1.2 循环神经网络层 | 第50-53页 |
| 4.1.3 全连接层与softmax | 第53-55页 |
| 4.2 损失节点与梯度下降节点 | 第55页 |
| 4.3 数据集与训练 | 第55-58页 |
| 4.3.1 数据集介绍 | 第55-56页 |
| 4.3.2 训练过程 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 系统实现与测试 | 第59-77页 |
| 5.1 行人定位 | 第59-65页 |
| 5.1.1 hog人体特征 | 第60-63页 |
| 5.1.2 SVM分类器 | 第63-64页 |
| 5.1.3 检测原理 | 第64页 |
| 5.1.4 检测实现 | 第64-65页 |
| 5.2 系统的实现 | 第65-71页 |
| 5.2.1 系统的主要功能 | 第65页 |
| 5.2.2 步态信息输入的实现 | 第65-67页 |
| 5.2.3 增加步态数据库中的人员的实现 | 第67-68页 |
| 5.2.4 根据步态识别行人的实现 | 第68-69页 |
| 5.2.5 数据库的查询、更新和删除等功能的实现 | 第69-71页 |
| 5.3 系统测试 | 第71-76页 |
| 5.3.1 测试目的和方法 | 第71页 |
| 5.3.2 测试环境 | 第71页 |
| 5.3.3 系统功能测试 | 第71-72页 |
| 5.3.4 算法性能测试 | 第72-76页 |
| 5.3.5 测试结果分析 | 第76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |