基于视频流的步态识别
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究的背景和意义 | 第7-9页 |
| ·课题研究的背景 | 第7-8页 |
| ·步态识别的意义 | 第8-9页 |
| ·步态识别的研究现状 | 第9-10页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10页 |
| ·本课题研究的基本任务与要求 | 第10-12页 |
| ·论文章节安排 | 第12-13页 |
| 第二章 步态检测及预处理 | 第13-25页 |
| ·背景检测的常用方法 | 第13-20页 |
| ·光流场法 | 第13-14页 |
| ·时间差法(相邻帧差法) | 第14-15页 |
| ·背景差法 | 第15-17页 |
| ·统计背景模型法 | 第17-20页 |
| ·预处理 | 第20-24页 |
| ·背景提取 | 第20-21页 |
| ·差影及二值化 | 第21页 |
| ·形态学处理 | 第21-24页 |
| ·归一化处理 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 步态特征提取与识别 | 第25-32页 |
| ·基于椭圆模型的步态特征提取 | 第25-26页 |
| ·基于线图模型的步态特征提取 | 第26-27页 |
| ·基于边缘特征的步态特征提取 | 第27-29页 |
| ·步态特征提取的方法比较 | 第29页 |
| ·模式分类 | 第29-31页 |
| ·子空间变换法 | 第29页 |
| ·动态时间规整 | 第29-30页 |
| ·隐Markov模型 | 第30页 |
| ·基于SVM的步态识别 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 系统的设计 | 第32-52页 |
| ·系统设计基本思路 | 第32页 |
| ·人形识别系统总体结构 | 第32页 |
| ·系统功能模块定义 | 第32-34页 |
| ·步态检测以及图像预处理 | 第34-40页 |
| ·初始化背景模型 | 第34-37页 |
| ·前景区域提取 | 第37页 |
| ·背景模型更新 | 第37-38页 |
| ·阴影及噪声消除 | 第38-39页 |
| ·形态学处理以及边缘提取 | 第39-40页 |
| ·特征提取 | 第40-45页 |
| ·人体运动学模型 | 第41-42页 |
| ·特征选择及提取 | 第42-45页 |
| ·数据整合 | 第45页 |
| ·支持向量机分类器 | 第45-51页 |
| ·线性分类器 | 第46页 |
| ·最优分类超平面 | 第46-48页 |
| ·核函数和升维 | 第48-50页 |
| ·多类支持向量机算法 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 系统实现及结果分析 | 第52-67页 |
| ·开发与测试环境简介 | 第52-53页 |
| ·系统框架和处理流程 | 第53-55页 |
| ·主要模块实现流程及实验结果分析 | 第55-67页 |
| ·图像采集模块 | 第55-58页 |
| ·帧图像处理模块 | 第58-63页 |
| ·步态特征提取与识别模块 | 第63-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·存在不足与展望 | 第67-69页 |
| 文献索引 | 第69-74页 |
| 攻读学位期间公开发表的论文 | 第74-75页 |
| 致谢 | 第75页 |
