基于视频流的步态识别系统研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.2.1 国内外主要步态数据库 | 第8-9页 |
| 1.2.2 步态识别过程及主要方法体系 | 第9页 |
| 1.3 论文主要内容及章节安排 | 第9-11页 |
| 第二章 步态识别相关技术介绍 | 第11-16页 |
| 2.1 人体步态检测算法 | 第11-14页 |
| 2.1.1 光流法 | 第11-12页 |
| 2.1.2 帧差法 | 第12页 |
| 2.1.3 背景减除法 | 第12-14页 |
| 2.2 步态特征的类型 | 第14-15页 |
| 2.2.1 基于模型的步态特征 | 第14-15页 |
| 2.2.2 基于形态统计的步态特征 | 第15页 |
| 2.3 识别方法介绍 | 第15-16页 |
| 2.3.1 模板匹配法 | 第15页 |
| 2.3.2 训练分类器 | 第15-16页 |
| 第三章 背景减除与联通区标记结合的步态检测 | 第16-25页 |
| 3.1 像素灰度空间最大类簇无参聚集的背景减除法 | 第16-20页 |
| 3.1.1 像素灰度空间策略 | 第16-18页 |
| 3.1.2 最大类簇无参聚集的背景减除策略 | 第18-20页 |
| 3.2 种子生长的联通区标记提取人体轮廓 | 第20-22页 |
| 3.3 实验结果及分析 | 第22-25页 |
| 第四章 基于人体质心和轮廓关键点的步态识别 | 第25-37页 |
| 4.1 步态特征提取 | 第25-29页 |
| 4.1.1 基于质心和轮廓关键点的步态特征 | 第25-27页 |
| 4.1.2 步态特征性能展示 | 第27-29页 |
| 4.2 多重阶梯模式下的动态时间规整算法 | 第29-33页 |
| 4.2.1 动态时间规整介绍 | 第29-30页 |
| 4.2.2 步态周期的选择 | 第30-31页 |
| 4.2.3 阶梯模式的选择 | 第31-33页 |
| 4.3 动态时间规整在步态识别中的应用 | 第33-34页 |
| 4.4 算法改进后的识别性能对比 | 第34-37页 |
| 第五章 基于视频流的步态识别系统 | 第37-47页 |
| 5.1 开发软件介绍与系统环境配置 | 第37-39页 |
| 5.1.1 相关软件及开源库介绍 | 第37-38页 |
| 5.1.2 软件连接环境的系统配置 | 第38-39页 |
| 5.2 步态识别系统功能展示与主要模块介绍 | 第39-45页 |
| 5.2.1 系统主界面 | 第39-41页 |
| 5.2.2 步态学习模块 | 第41-43页 |
| 5.2.3 步态识别模块 | 第43-45页 |
| 5.3 识别性能分析 | 第45-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 论文工作总结 | 第47页 |
| 6.2 未来工作展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 附录 120个步态测试序列与数据库样本的差异度 | 第52-58页 |
| 在学期间发表的学术论文及科研工作情况 | 第58-59页 |
| 致谢 | 第59页 |
