| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 1.绪论 | 第12-33页 |
| ·课题背景与意义 | 第12-13页 |
| ·步态识别的研究内容 | 第13-15页 |
| ·步态识别的研究现状 | 第15-30页 |
| ·步态检测 | 第15-18页 |
| ·步态图像预处理 | 第18-19页 |
| ·步态特征提取与识别 | 第19-26页 |
| ·步态数据库 | 第26-29页 |
| ·步态识别目前仍存在的难点 | 第29-30页 |
| ·论文的主要工作 | 第30-32页 |
| ·论文的组织机构 | 第32-33页 |
| 2.基于多区域形状特征的步态识别方法 | 第33-62页 |
| ·引言 | 第33页 |
| ·图像形状分析 | 第33-37页 |
| ·基于轮廓的形状描述方法 | 第34-36页 |
| ·基于全局的形状描述方法 | 第36-37页 |
| ·基于图像整体形状特征的步态识别方法(GRWSF) | 第37-44页 |
| ·单帧图像中人体步态形状特征的提取 | 第37-39页 |
| ·图像序列中人体步态形状特征的提取 | 第39-41页 |
| ·利用形状特征进行步态分类 | 第41页 |
| ·GRWSF的实验及结果 | 第41-44页 |
| ·基于等区域形状特征的步态识别方法(GRSFER) | 第44-48页 |
| ·等区域的划分 | 第44页 |
| ·图像序列中人体步态形状特征的提取 | 第44-47页 |
| ·GRSFER的实验及结果 | 第47-48页 |
| ·基于非等区域形状特征的步态识别方法(GRSFUR) | 第48-58页 |
| ·非等区域的划分 | 第49-50页 |
| ·图像序列中人体步态形状特征的提取 | 第50-55页 |
| ·GRSFUR的实验及结果 | 第55-58页 |
| ·基于非等区域多种形状特征融合的步态识别方法(GRSFFUR) | 第58-61页 |
| ·图像序列中多种形状特征的提取与融合 | 第59页 |
| ·GRSFFUR的实验及结果 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 3.基于Radon变换的步态识别方法(GRRT) | 第62-76页 |
| ·引言 | 第62页 |
| ·Radon变换原理 | 第62-64页 |
| ·基于Radon变换的步态模板 | 第64-70页 |
| ·步态周期检测 | 第64-67页 |
| ·基于Radon变换的步态模板构造 | 第67-70页 |
| ·基于主成分分析的特征提取 | 第70-71页 |
| ·训练与识别 | 第71-72页 |
| ·GRRT的实验及结果 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 4.基于人的主要行走姿势的步态识别方法(GRMWP) | 第76-96页 |
| ·引言 | 第76-77页 |
| ·基于遗传算法的减法聚类方法(ESCM) | 第77-89页 |
| ·两种传统的减法聚类 | 第77-78页 |
| ·聚类的有效性 | 第78页 |
| ·改进的减法聚类方法(ISCM) | 第78-80页 |
| ·优化ISCM中的参数 | 第80-81页 |
| ·ESCM的实验及结果 | 第81-89页 |
| ·利用ESCM提取序列中的主要行走姿势 | 第89-90页 |
| ·训练与识别 | 第90-91页 |
| ·GRMWP的实验及结果 | 第91-95页 |
| ·本章小结 | 第95-96页 |
| 5.基于能量图的步态识别方法 | 第96-113页 |
| ·引言 | 第96页 |
| ·基于关键帧能量图的步态识别方法(GRKFEI) | 第96-104页 |
| ·关键帧的提取 | 第97-98页 |
| ·关键帧能量图的构造 | 第98-99页 |
| ·训练与识别 | 第99-100页 |
| ·GRKFEI的实验及结果 | 第100-104页 |
| ·基于标准差能量图的步态识别方法(GRSDEI) | 第104-112页 |
| ·标准差能量图的构造 | 第104-105页 |
| ·训练与识别 | 第105-107页 |
| ·GRSDEI的实验及结果 | 第107-112页 |
| ·本章小结 | 第112-113页 |
| 6.超球分类算法在步态识别方法中的应用 | 第113-133页 |
| ·引言 | 第113页 |
| ·基于新的决策规则的球形支持向量机(SSVMNDR) | 第113-119页 |
| ·传统的球形支持向量机(SSVMZHU) | 第114-115页 |
| ·SSVMNDR的决策规则 | 第115-116页 |
| ·SSVMNDR的训练与识别 | 第116页 |
| ·SSVMNDR的实验及结果 | 第116-119页 |
| ·基于核的模糊超球分类算法(KFHC) | 第119-129页 |
| ·核的基本思想 | 第119-121页 |
| ·KFHC的主要思想 | 第121页 |
| ·KFHC在训练阶段的实现步骤 | 第121-122页 |
| ·关于训练阶段的两点说明 | 第122-124页 |
| ·KFHC的识别阶段 | 第124-125页 |
| ·KFHC的实验及结果 | 第125-129页 |
| ·基于超球分类算法的步态识别方法(GRHCA) | 第129-130页 |
| ·GRHCA的实验及结果 | 第130-131页 |
| ·本章小结 | 第131-133页 |
| 7.结束语 | 第133-136页 |
| ·总结 | 第133-135页 |
| ·展望 | 第135-136页 |
| 致谢 | 第136-137页 |
| 参考文献 | 第137-149页 |
| 攻读博士学位期间发表和录用的论文 | 第149页 |
