| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 步态识别国内外研究现状 | 第11页 |
| 1.3 步态识别现有问题及挑战 | 第11-13页 |
| 1.4 本文工作及创新 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第二章 步态识别预处理技术分析 | 第15-32页 |
| 2.1 基于轮廓特征的步态识别 | 第15-22页 |
| 2.1.1 步态识别的方法 | 第15-18页 |
| 2.1.2 步态识别数据库 | 第18-20页 |
| 2.1.3 基于轮廓特征的步态识别基本框架 | 第20-22页 |
| 2.2 步态图像的预处理及其对步态识别的影响 | 第22-28页 |
| 2.2.1 步态识别主要的预处理技术 | 第22-26页 |
| 2.2.2 运动模糊对步态识别的影响 | 第26-27页 |
| 2.2.3 误对齐对步态识别的影响 | 第27-28页 |
| 2.3 盲运动去模糊及现有问题 | 第28-30页 |
| 2.3.1 盲运动去模糊简介 | 第28页 |
| 2.3.2 现有的盲运动去模糊方法存在的问题 | 第28-30页 |
| 2.4 现有的轮廓对齐方式及问题 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 一种对白天图像和夜间图像都有效的盲运动去模糊方法 | 第32-45页 |
| 3.1 引言 | 第32-34页 |
| 3.1.1 研究背景及意义 | 第32-33页 |
| 3.1.2 盲运动去模糊研究现状 | 第33-34页 |
| 3.2 盲运动去模糊理论基础 | 第34-38页 |
| 3.2.1 运动模糊的退化模型 | 第34页 |
| 3.2.2 常见的盲运动去模糊算法 | 第34-36页 |
| 3.2.3 振铃效应及其抑制 | 第36-37页 |
| 3.2.4 图像质量的评价 | 第37-38页 |
| 3.3 一种对白天图片和夜间图片都有效的盲运动去模糊方法 | 第38-42页 |
| 3.3.1 总变分和L0强度先验的动机 | 第39页 |
| 3.3.2 临时图像的估计 | 第39-41页 |
| 3.3.3 去除噪声的快速内核估计 | 第41-42页 |
| 3.3.4 最终的图像恢复 | 第42页 |
| 3.4 实验结果与分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于头部对齐的步态识别技术 | 第45-64页 |
| 4.1 引言 | 第45-46页 |
| 4.2 基于头部对齐的步态识别 | 第46-56页 |
| 4.2.1 头部对齐——一种较好的对齐方式 | 第46-47页 |
| 4.2.2 基于头部对齐的步态识别的基本框架 | 第47-52页 |
| 4.2.3 实验结果与分析 | 第52-56页 |
| 4.3 基于模板融合的误对齐解决方案 | 第56-60页 |
| 4.3.1 真实和合成的模板 | 第56页 |
| 4.3.2 识别过程 | 第56-58页 |
| 4.3.3 实验结果与分析 | 第58-60页 |
| 4.4 无约束步态数据库的构建和现有步态特征的评估 | 第60-62页 |
| 4.4.1 无约束步态数据库的构建 | 第60-62页 |
| 4.4.2 GEI、GEnI、GFI的评估 | 第62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
