| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 人员外部特征提取及识别的研究背景及意义 | 第10-11页 |
| 1.1.1 人脸识别的优势和局限性 | 第10页 |
| 1.1.2 外部特征提取及识别在人员识别中的作用 | 第10-11页 |
| 1.2 外部特征研究现状 | 第11-12页 |
| 1.3 人员外部特征提取及识别存在的难题以及研究成果 | 第12-13页 |
| 1.3.1 存在的难题 | 第12-13页 |
| 1.3.2 本文研究成果 | 第13页 |
| 1.4 文本的章节安排 | 第13-14页 |
| 第二章 图像特征提取及识别方法研究 | 第14-19页 |
| 2.1 前景图像提取及预处理 | 第14-16页 |
| 2.2 图像特征提取 | 第16-17页 |
| 2.2.1 颜色统计特征提取 | 第16-17页 |
| 2.2.2 纹理特征提取 | 第17页 |
| 2.3 图像外部特征识别方法 | 第17-19页 |
| 第三章 人员图像的提取及预处理方法 | 第19-31页 |
| 3.1 基于自适应背景更新速率算法的背景建模方法 | 第19-24页 |
| 3.1.1 背景更新速率的选择及影响 | 第19-20页 |
| 3.1.2 基于白点的背景稳定性检测 | 第20-21页 |
| 3.1.3 自适应背景更新速率算法 | 第21页 |
| 3.1.4 实验效果对比与分析 | 第21-24页 |
| 3.2 基于小矩形去噪算法的前景噪声去除方法 | 第24-27页 |
| 3.2.1 前景噪声的去除及存在的不足 | 第24-25页 |
| 3.2.2 小矩形去噪算法 | 第25页 |
| 3.2.3 实验效果对比与分析 | 第25-27页 |
| 3.3 基于边缘最小矩形合并算法的人员图像完整性保障方法 | 第27-31页 |
| 3.3.1 前景目标分离及处理方法 | 第27页 |
| 3.3.2 边缘矩形合并算法 | 第27-29页 |
| 3.3.3 实验效果对比与分析 | 第29-31页 |
| 第四章 基于相似度评分模型的人员识别方法 | 第31-71页 |
| 4.1 算法总体过程及思路 | 第31-32页 |
| 4.2 人员外部整体特征提取及相似度评价方法 | 第32-46页 |
| 4.2.1 基于皮肤直方图算法的裸露四肢特征提取去除及相似度评价 | 第33-37页 |
| 4.2.2 基于HSV低饱和度算法的整体颜色特征提取及相似度评价 | 第37-46页 |
| 4.3 人员外部细部特征提取及相似度评价方法 | 第46-65页 |
| 4.3.1 基于颜色边界分割算法的人员图像分割方法 | 第46-48页 |
| 4.3.2 基于HSV低饱和度算法的细部颜色特征提取及相似度评价 | 第48-49页 |
| 4.3.3 基于纹理颜色特征融合算法的细部纹理特征提取及相似度评价 | 第49-65页 |
| 4.3.3.1 条纹纹理特征提取及相似度评价 | 第50-56页 |
| 4.3.3.2 格子纹理特征提取及相似度评价 | 第56-60页 |
| 4.3.3.3 大颜色块纹理特征提取及相似度评价 | 第60-65页 |
| 4.4 人员外部特征加权评分方法 | 第65-66页 |
| 4.5 实验效果及分析 | 第66-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的学术论文目录 | 第79页 |
