基于光流空间分布的步态识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景和意义 | 第7-11页 |
| ·生物特征识别 | 第7-8页 |
| ·步态特征的优势及局限性 | 第8-10页 |
| ·步态识别的应用 | 第10-11页 |
| ·步态识别研究现状综述 | 第11-13页 |
| ·步态识别的相关领域 | 第11-12页 |
| ·挑战与解决方案 | 第12-13页 |
| ·本文内容及结构介绍 | 第13-15页 |
| 第二章 步态识别的研究现状 | 第15-28页 |
| ·步态识别系统的基本框架 | 第15-16页 |
| ·步态轮廓提取 | 第16-18页 |
| ·背景分割 | 第16-17页 |
| ·运动分类 | 第17-18页 |
| ·步态识别算法 | 第18-22页 |
| ·模型化方法 | 第18-20页 |
| ·非模型化方法 | 第20-22页 |
| ·步态数据库 | 第22-27页 |
| ·CMU Mobo 数据库 | 第22-24页 |
| ·CASIA 数据库 | 第24-25页 |
| ·USF 数据库 | 第25-26页 |
| ·步态数据库对比 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 步态轮廓提取 | 第28-38页 |
| ·背景介绍 | 第28-29页 |
| ·背景概率模型 | 第29-35页 |
| ·高斯模型 | 第30页 |
| ·混合高斯模型 | 第30-32页 |
| ·核高斯模型 | 第32-35页 |
| ·轮廓提取 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于光流空间分布的步态识别方法 | 第38-51页 |
| ·运动特征提取 | 第38-45页 |
| ·光流法 | 第39-41页 |
| ·光流的空间分布 | 第41-43页 |
| ·频率和相位估计 | 第43-45页 |
| ·步态的周期特性 | 第45-47页 |
| ·分类与实验 | 第47-50页 |
| ·实验数据库 | 第47页 |
| ·最小 K 邻域分类器 | 第47-48页 |
| ·实验结果及分析 | 第48-49页 |
| ·与其他方法的对比 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·全文总结 | 第51页 |
| ·未来展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |
