基于能量图分解的步态识别算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-21页 |
| ·步态识别的研究意义 | 第9-10页 |
| ·步态识别研究的内容 | 第10页 |
| ·国内外研究现状 | 第10-17页 |
| ·步态目标检测 | 第11-12页 |
| ·步态特征提取 | 第12-16页 |
| ·模式分类 | 第16-17页 |
| ·步态数据库 | 第17-18页 |
| ·步态研究难点 | 第18-19页 |
| ·本文研究内容和组织结构 | 第19-20页 |
| ·研究内容 | 第19-20页 |
| ·组织结构 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第2章 运动目标提取 | 第21-31页 |
| ·运动目标检测 | 第21-22页 |
| ·形态学处理 | 第22-26页 |
| ·膨胀 | 第22-23页 |
| ·腐蚀 | 第23-24页 |
| ·开运算和闭运算 | 第24-26页 |
| ·连通区域分析 | 第26-27页 |
| ·步态周期检测 | 第27-28页 |
| ·图像标准化 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于能量图分割的步态特征提取算法 | 第31-52页 |
| ·步态能量图 | 第31-32页 |
| ·静态和动态能量图的提取 | 第32-34页 |
| ·矩特征 | 第34-43页 |
| ·Hu矩 | 第35页 |
| ·Zernike矩 | 第35-38页 |
| ·小波矩 | 第38-43页 |
| ·主成分分析法 | 第43-45页 |
| ·特征提取实验分析 | 第45-50页 |
| ·步态特征融合 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于支持向量机步态识别方法 | 第52-62页 |
| ·统计学习理论 | 第52-54页 |
| ·SVM基本原理 | 第54页 |
| ·SVM的数学模型 | 第54-57页 |
| ·线性支持向量机 | 第54-55页 |
| ·非线性支持向量机 | 第55-56页 |
| ·线性不可分情况 | 第56-57页 |
| ·基于支持向量机的步态识别算法 | 第57-59页 |
| ·分类器 | 第57-58页 |
| ·实验参数的确定 | 第58页 |
| ·核函数的选择 | 第58-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·在数据库Dataset A进行的识别实验 | 第59-60页 |
| ·在数据库Dataset B进行的识别实验 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
