| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·步态识别的研究现状及应用前景 | 第9-13页 |
| ·步态识别的研究现状 | 第10-12页 |
| ·步态特征提取的简介 | 第10-11页 |
| ·步态识别算法的简介 | 第11-12页 |
| ·步态识别的研究意义 | 第12-13页 |
| ·步态识别的研究内容 | 第13-14页 |
| ·本文研究内容 | 第14-16页 |
| 第二章 步态周期性分析 | 第16-24页 |
| ·基于脚间距的步态周期性分析 | 第16-18页 |
| ·步态脚间距的周期性分析 | 第16-17页 |
| ·脚间距的周期性实现 | 第17-18页 |
| ·基于高宽比的步态周期性分析 | 第18-19页 |
| ·高宽比的步态周期性分析 | 第18-19页 |
| ·高宽比的步态周期性实现 | 第19页 |
| ·基于步态轮廓质心的周期性分析 | 第19-20页 |
| ·步态轮廓质心的周期性分析 | 第20页 |
| ·步态轮廓质心的周期性实现 | 第20页 |
| ·基于步态髋关节以下部分质心的周期性分析 | 第20-22页 |
| ·步态髋关节以下部分质心的周期性分析 | 第21页 |
| ·步态髋关节以下部分质心的周期性实现 | 第21-22页 |
| ·实验结果及分析 | 第22-23页 |
| ·结论 | 第23-24页 |
| 第三章 步态特征提取 | 第24-32页 |
| ·步态静态特征分析 | 第24-26页 |
| ·步态动态特征分析 | 第26-28页 |
| ·步态动静特征融合 | 第28-30页 |
| ·步态特征提取的实现 | 第30-31页 |
| ·结论 | 第31-32页 |
| 第四章 步态分类识别算法 | 第32-43页 |
| ·常见分类器的介绍 | 第32-40页 |
| ·近邻法 | 第32-34页 |
| ·k-近邻法 | 第34-35页 |
| ·支持向量机(Support Vector Machine,SVM) | 第35-40页 |
| ·步态识别算法的软件实现 | 第40页 |
| ·实验结果对比与分析 | 第40-41页 |
| ·结论 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·全文工作总结 | 第43页 |
| ·今后工作展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 附录(攻读学位期间所发表的学术论文) | 第50页 |