基于稀疏表示的人体步态识别算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题的来源与背景 | 第10-11页 |
| 1.2 课题研究的目的和意义 | 第11-15页 |
| 1.3 国内外研究现状及分析 | 第15-17页 |
| 1.3.1 步态识别的国内外研究现状 | 第15-16页 |
| 1.3.2 步态识别的研究现状简析 | 第16-17页 |
| 1.4 论文主要研究内容与结构 | 第17-20页 |
| 第2章 步态检测与步态运动周期的提取 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 步态视频图像采集 | 第20-22页 |
| 2.3 人体步态检测 | 第22-24页 |
| 2.3.1 背景建模 | 第22-23页 |
| 2.3.2 差分运算 | 第23页 |
| 2.3.3 阈值分割 | 第23-24页 |
| 2.4 步态轮廓的提取 | 第24-26页 |
| 2.4.1 高斯混合模型 | 第24-25页 |
| 2.4.2 期望最大化算法 | 第25页 |
| 2.4.3 基于GMM和EM的步态轮廓提取 | 第25-26页 |
| 2.5 步态运动周期的提取 | 第26-28页 |
| 2.6 实验结果 | 第28-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 步态特征的提取 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 转换能量图特征提取 | 第30-32页 |
| 3.3 GABOR特征提取 | 第32-35页 |
| 3.4 局部二值模型特征描述 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于稀疏表示的步态识别算法 | 第39-54页 |
| 4.1 引言 | 第39-40页 |
| 4.2 信号的稀疏表示 | 第40-45页 |
| 4.2.1 稀疏表示理论 | 第40-41页 |
| 4.2.2 稀疏表示算法与字典构造 | 第41-45页 |
| 4.3 基于稀疏表示的人体步态识别 | 第45-46页 |
| 4.4 实验结果 | 第46-52页 |
| 4.4.1 数据集的选择 | 第46-49页 |
| 4.4.2 与典型步态算法比较与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-65页 |
| 致谢 | 第65-66页 |
