基于步态的身份识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 步态识别的研究内容 | 第11-13页 |
| 1.3 步态识别的研究现状 | 第13-14页 |
| 1.4 步态识别研究的难点及方向 | 第14-17页 |
| 1.4.1 目前研究的难点 | 第14-16页 |
| 1.4.2 步态研究的发展趋势 | 第16-17页 |
| 1.5 论文安排 | 第17-18页 |
| 第2章 步态识别技术 | 第18-26页 |
| 2.1 运动分割 | 第18-19页 |
| 2.2 步态特征的表达方法 | 第19-22页 |
| 2.2.1 基于整体的方法 | 第20页 |
| 2.2.2 基于模型的方法 | 第20-22页 |
| 2.3 步态识别的方法 | 第22-23页 |
| 2.3.1 基于统计的方法 | 第22-23页 |
| 2.3.2 基于模板的方法 | 第23页 |
| 2.4 现有主要的数据库 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 HMM理论及算法 | 第26-38页 |
| 3.1 HMM概述 | 第26-30页 |
| 3.1.1 HMM基本思想 | 第26-29页 |
| 3.1.2 HMM类型的选择 | 第29-30页 |
| 3.2 HMM的主要算法 | 第30-36页 |
| 3.2.1 前向-后向算法 | 第31-33页 |
| 3.2.2 Viterbi算法 | 第33-34页 |
| 3.2.3 Baum-Welch算法 | 第34-36页 |
| 3.3 HMM算法实现中的问题 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 图像预处理及特征提取 | 第38-49页 |
| 4.1 图像预处理 | 第38-42页 |
| 4.1.1 背景建模 | 第39页 |
| 4.1.2 前景区域检测 | 第39-41页 |
| 4.1.3 形态学处理 | 第41-42页 |
| 4.2 步态分析 | 第42-45页 |
| 4.2.1 特征参数 | 第42-44页 |
| 4.2.2 其它运动特征参数 | 第44页 |
| 4.2.3 周期检测 | 第44-45页 |
| 4.3 步态特征的表达 | 第45-48页 |
| 4.3.1 步态特征提取 | 第45-47页 |
| 4.3.2 特征空间变换 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 模型的训练与识别 | 第49-59页 |
| 5.1 基于CHMM步态识别 | 第49-57页 |
| 5.1.1 CHMM参数的选择 | 第49-51页 |
| 5.1.2 CHMM的训练算法 | 第51-54页 |
| 5.1.3 CHMM模型的训练过程 | 第54-56页 |
| 5.1.4 CHMM步态识别 | 第56-57页 |
| 5.2 实验结果 | 第57-58页 |
| 5.2.1 步态数据库 | 第57-58页 |
| 5.2.2 训练及测试 | 第58页 |
| 5.2.3 性能分析 | 第58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
