基于隐Markov模型的步态识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·生物识别技术 | 第8-9页 |
| ·步态识别 | 第9-11页 |
| ·步态识别概述 | 第9页 |
| ·步态识别研究内容 | 第9-11页 |
| ·步态识别研究现状 | 第11页 |
| ·论文安排 | 第11-13页 |
| 2 步态识别研究方法 | 第13-20页 |
| ·基于模型的步态识别方法 | 第13-15页 |
| ·非模型化的步态识别方法 | 第15-17页 |
| ·步态分类识别算法 | 第17-19页 |
| ·子空间变换法 | 第17-18页 |
| ·动态时间规整 | 第18页 |
| ·隐 Markov模型 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 隐 Markov模型原理 | 第20-33页 |
| ·HMM基本思想 | 第20-23页 |
| ·Markov链 | 第20-21页 |
| ·HMM概念 | 第21-23页 |
| ·HMM主要算法 | 第23-29页 |
| ·前向后向算法 | 第23-25页 |
| ·Viterbi算法 | 第25-26页 |
| ·Baum-Welch算法 | 第26-28页 |
| ·比例因子问题 | 第28-29页 |
| ·HMM类型 | 第29-32页 |
| ·按照形状分类 | 第29-31页 |
| ·按照输出概率分类 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 步态图像预处理 | 第33-47页 |
| ·步态图像获取 | 第33-36页 |
| ·视频捕获 | 第33-34页 |
| ·视频中的图像截取 | 第34-36页 |
| ·运动检测 | 第36-43页 |
| ·引言 | 第36-37页 |
| ·运动检测常用方法 | 第37-39页 |
| ·改进的背景减除方法 | 第39-41页 |
| ·实验结果 | 第41-43页 |
| ·形态学处理 | 第43-46页 |
| ·引言 | 第43-44页 |
| ·步态图像的形态学处理 | 第44-45页 |
| ·归一化处理 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于 HMM的步态识别 | 第47-62页 |
| ·特征提取 | 第47-49页 |
| ·步态的表征 | 第49-51页 |
| ·步态分析 | 第49-50页 |
| ·HMM的引入 | 第50-51页 |
| ·步态识别 | 第51-57页 |
| ·特征向量压缩 | 第51-52页 |
| ·HMM初始化 | 第52-54页 |
| ·HMM训练 | 第54-56页 |
| ·步态识别 | 第56-57页 |
| ·系统实现 | 第57-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
| 大连理工大学学位论文版权使用授权书 | 第68页 |
