| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-27页 |
| ·研究背景及意义 | 第9-10页 |
| ·主要的生物特征身份认证技术 | 第10-14页 |
| ·指纹识别 | 第10-11页 |
| ·人脸识别 | 第11页 |
| ·虹膜识别 | 第11页 |
| ·视网膜识别 | 第11-12页 |
| ·掌形识别 | 第12页 |
| ·语音识别 | 第12页 |
| ·步态识别 | 第12页 |
| ·签名识别 | 第12-14页 |
| ·签名识别国内外研究现状 | 第14-22页 |
| ·数据获取与预处理 | 第14-16页 |
| ·特征提取 | 第16-18页 |
| ·分类决策 | 第18-20页 |
| ·性能评估 | 第20-22页 |
| ·基于视频的签名识别 | 第22-25页 |
| ·基于视频的签名识别系统流程 | 第23-24页 |
| ·基于视频的签名识别系统的优势 | 第24页 |
| ·基于视频的签名识别系统的主要问题及难点 | 第24-25页 |
| ·本文的主要研究内容及组织结构安排 | 第25-27页 |
| 2 基于视频的签名识别的数据获取与初始笔尖定位 | 第27-41页 |
| ·引言 | 第27页 |
| ·基于视频的签名识别的数据获取 | 第27-30页 |
| ·基于视频的签名识别的初始笔尖定位 | 第30-39页 |
| ·图像灰度化 | 第30-31页 |
| ·图像二值化 | 第31-33页 |
| ·图像数学形态学操作 | 第33-34页 |
| ·基于轮廓的笔尖定位方法 | 第34-39页 |
| ·本章小结 | 第39-41页 |
| 3 基于视频的签名识别的笔尖追踪 | 第41-57页 |
| ·引言 | 第41页 |
| ·目标跟踪简述 | 第41-45页 |
| ·目标表达 | 第42-43页 |
| ·目标特征提取 | 第43-44页 |
| ·目标跟踪 | 第44-45页 |
| ·粒子滤波 | 第45-51页 |
| ·概率跟踪方法 | 第45-47页 |
| ·蒙特卡洛方法 | 第47-48页 |
| ·粒子滤波跟踪方法 | 第48-51页 |
| ·基于粒子滤波与模板匹配的笔尖跟踪算法 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 4 基于视频的签名识别的特征提取及分类 | 第57-77页 |
| ·引言 | 第57-58页 |
| ·基于动态时间规整的特征提取与分类方法 | 第58-62页 |
| ·动态时间规整算法 | 第58-60页 |
| ·特征提取与分类方法 | 第60-62页 |
| ·人体快速运动理论 | 第62-69页 |
| ·人体快速运动理论模型 | 第63-66页 |
| ·人体快速运动理论在签名识别中的运用 | 第66-69页 |
| ·基于笔划的特征提取与分类方法 | 第69-75页 |
| ·基于人体快速运动理论的视频签名分割方法 | 第69-75页 |
| ·基于笔划的动态时间规整分类方法 | 第75页 |
| ·本章小结 | 第75-77页 |
| 5 实验结果与分析 | 第77-93页 |
| ·实验环境 | 第77页 |
| ·笔尖定位实验结果与分析 | 第77-79页 |
| ·笔尖跟踪实验结果与分析 | 第79-83页 |
| ·视频签名笔划分割实验结果与分析 | 第83-90页 |
| ·视频签名分类识别实验结果与分析 | 第90-91页 |
| ·本章小结 | 第91-93页 |
| 6 总结与展望 | 第93-95页 |
| ·总结 | 第93页 |
| ·展望 | 第93-95页 |
| 致谢 | 第95-97页 |
| 参考文献 | 第97-105页 |
| 附录 | 第105页 |
| A. 作者在攻读硕士学位期间发表及录用的论文目录 | 第105页 |
| B. 作者在攻读硕士学位期间参加的科研项目以及成果目录 | 第105页 |