基于支持向量机的步态识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 步态识别的优势 | 第10-11页 |
| 1.3 步态识别的国内外现状 | 第11-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 2 基于FPGA的步态识别系统设计 | 第17-25页 |
| 2.1 步态识别系统总体设计 | 第17页 |
| 2.2 基于FPGA的图像采集预处理电路 | 第17-22页 |
| 2.3 FPGA算法平台介绍 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 基于FPGA的视频流的快速处理算法 | 第25-41页 |
| 3.1 提取运动人体 | 第25-27页 |
| 3.1.1 背景差分 | 第25-26页 |
| 3.1.2 均值滤波 | 第26-27页 |
| 3.2 人体轮廓提取 | 第27-32页 |
| 3.2.1 Sobel轮廓提取 | 第27-31页 |
| 3.2.2 改进的Sobel边缘检测方法 | 第31-32页 |
| 3.3 区域填充 | 第32-35页 |
| 3.4 人体骨架提取 | 第35-37页 |
| 3.5 结果编译下载及显示 | 第37-39页 |
| 3.6 步态序列 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 4 基于MATLAB的步态特征提取算法 | 第41-55页 |
| 4.1 关节点检测 | 第41-45页 |
| 4.2 获取人体模型 | 第45页 |
| 4.3 确定特征值 | 第45-48页 |
| 4.3.1 确定P点 | 第45-46页 |
| 4.3.2 特征高低差 | 第46-48页 |
| 4.4 步态特征提取 | 第48-53页 |
| 4.4.1 HU不变距 | 第48-50页 |
| 4.4.2 统一HU矩 | 第50-53页 |
| 4.4.3 脚部关节角度的动态特征提取 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 5 基于支持向量机的步态识别算法实现 | 第55-65页 |
| 5.1 支持向量机算法 | 第56-60页 |
| 5.2 分类器核函数和参数的选择 | 第60-62页 |
| 5.2.1 核函数的选择 | 第60-61页 |
| 5.2.2 分类器参数的选择 | 第61-62页 |
| 5.3 识别结果 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
