| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 监控与步态识别 | 第10-12页 |
| 1.1.2 步态识别与运动目标检测 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 运动目标检测 | 第13-16页 |
| 1.2.2 步态识别 | 第16-18页 |
| 1.3 本文的主要内容和结构 | 第18-20页 |
| 第二章 相关工作 | 第20-32页 |
| 2.1 运动目标提取 | 第20-21页 |
| 2.2 光流场计算 | 第21-23页 |
| 2.3 超像素分割 | 第23-27页 |
| 2.3.1 超像素相关方法 | 第23-24页 |
| 2.3.2 本文使用的超像素分割算法 | 第24-27页 |
| 2.4 显著性检测 | 第27-29页 |
| 2.4.1 显著性检测与本文问题的适用性 | 第27-28页 |
| 2.4.2 本文使用的显著性检测方法 | 第28-29页 |
| 2.5 步态识别 | 第29-31页 |
| 2.5.1 步态识别方法 | 第29-30页 |
| 2.5.2 本文使用的步态识别方法 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于运动持续性和显著性结构约束的显著前景分割的步态识别 | 第32-47页 |
| 3.1 人体实例分割的相关方法 | 第32-34页 |
| 3.2 基于运动持续性和显著性结构约束的显著前景分割算法流程和预处理 | 第34-36页 |
| 3.2.1 算法流程 | 第34-36页 |
| 3.2.2 预处理:运动前景区域提取 | 第36页 |
| 3.3 面向显著前景分割的时空约束能量最小化模型 | 第36-38页 |
| 3.4 运动持续性约束 | 第38-41页 |
| 3.4.1 基于光流区域聚类的目标概率 | 第38-40页 |
| 3.4.2 相邻帧中同一区域光流差 | 第40-41页 |
| 3.5 显著性结构一致性:基于显著性的目标概率 | 第41-42页 |
| 3.6 步态识别实验设计 | 第42-46页 |
| 3.6.1 数据集 | 第42-43页 |
| 3.6.2 实验结果 | 第43-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 基于粗轮廓多特征组合投票显著前景分割的步态识别 | 第47-61页 |
| 4.1 基于块的纹理梯度统计的软阴影去除 | 第47-50页 |
| 4.1.1 纹理与梯度 | 第48-49页 |
| 4.1.2 基于块的纹理梯度统计 | 第49-50页 |
| 4.2 基于粗轮廓多特征投票的显著前景概率 | 第50-56页 |
| 4.2.1 粗轮廓区域 | 第50-51页 |
| 4.2.2 时空邻域对应关系 | 第51-52页 |
| 4.2.3 基于粗轮廓多特征投票 | 第52-55页 |
| 4.2.4 基于运动持续性和时空结构一致性的能量最小化模型约束 | 第55-56页 |
| 4.3 实验 | 第56-60页 |
| 4.3.1 软阴影去除结果及分析 | 第56-58页 |
| 4.3.2 显著前景分割和步态识别实验 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 全文工作总结 | 第61-62页 |
| 5.2 下一步工作计划 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71-73页 |
| Appendix | 第73-75页 |
| 攻读硕士学位期间科研成果与参与项目 | 第75页 |
