步态识别中关键技术的研究与实现
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 引言 | 第11-16页 |
| ·研究背景 | 第11-13页 |
| ·研究现状 | 第13页 |
| ·步态识别的总体框架 | 第13-14页 |
| ·论文内容组织 | 第14-16页 |
| 2 步态识别的理论与方法 | 第16-28页 |
| ·步态序列运动目标分割 | 第16-19页 |
| ·帧间差分法 | 第16-17页 |
| ·背景差分法 | 第17-19页 |
| ·步态特征提取 | 第19-21页 |
| ·基于模型的方法 | 第20-21页 |
| ·基于统计的方法 | 第21页 |
| ·步态模式分类和识别 | 第21-23页 |
| ·近邻规则 | 第21-22页 |
| ·支持向量机 | 第22-23页 |
| ·常用的步态数据库 | 第23-27页 |
| ·UCSD数据库 | 第24-25页 |
| ·USF数据库 | 第25-27页 |
| ·小结 | 第27-28页 |
| 3 视频序列的预处理 | 第28-33页 |
| ·背景减除及二值化 | 第28页 |
| ·后处理 | 第28-30页 |
| ·步态能量图 | 第30-31页 |
| ·步态周期检测 | 第30页 |
| ·步态能量图 | 第30-31页 |
| ·小结 | 第31-33页 |
| 4 基于PCA的步态识别 | 第33-39页 |
| ·(2D)~2PCA简介 | 第33-35页 |
| ·行方向2DPCA | 第33-34页 |
| ·列方向2DPCA | 第34-35页 |
| ·(2D)~2PCA | 第35页 |
| ·分块(2D)~2PCA | 第35-36页 |
| ·分类识别 | 第36页 |
| ·实验结果及分析 | 第36-38页 |
| ·小结 | 第38-39页 |
| 5 基于不变矩的步态识别 | 第39-47页 |
| ·不变矩理论 | 第39-44页 |
| ·Zernike矩 | 第39-40页 |
| ·小波矩 | 第40-42页 |
| ·混合矩 | 第42页 |
| ·特征选择 | 第42-44页 |
| ·分类识别 | 第44-45页 |
| ·实验结果及分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 6 实现框图 | 第47-51页 |
| ·硬件结构 | 第47页 |
| ·软件流程 | 第47-48页 |
| ·实现结果 | 第48-50页 |
| ·小结 | 第50-51页 |
| 7 总结与展望 | 第51-53页 |
| ·内容总结 | 第51页 |
| ·创新之处 | 第51页 |
| ·工作展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录 A | 第55-56页 |
| 作者简历 | 第56-58页 |
| 学位论文数据集 | 第58页 |
