| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 国内外智能视频监控系统研究现状 | 第13-14页 |
| 1.3 国内外生物特征识别技术的研究现状 | 第14-17页 |
| 1.3.1 人脸识别技术研究现状 | 第15-16页 |
| 1.3.2 步态识别研究现状 | 第16-17页 |
| 1.4 论文创新点和组织结构 | 第17-19页 |
| 第二章 监控视频中人脸识别研究与实现 | 第19-45页 |
| 2.1 主流人脸识别算法分析 | 第19-22页 |
| 2.1.1 基于统计的人脸识别算法 | 第20页 |
| 2.1.2 基于模型的人脸识别算法 | 第20-21页 |
| 2.1.3 基于纹理特征的人脸识别算法 | 第21页 |
| 2.1.4 基于Gabor小波的人脸识别算法 | 第21-22页 |
| 2.1.5 基于几何特征的人脸识别算法 | 第22页 |
| 2.1.6 基于多模态的人脸识别算法 | 第22页 |
| 2.2 人脸检测 | 第22-25页 |
| 2.2.1 AdaBoost算法原理 | 第22-24页 |
| 2.2.2 Haar特征 | 第24-25页 |
| 2.3 图像预处理 | 第25-32页 |
| 2.3.1 灰度调整 | 第25-28页 |
| 2.3.2 图像滤波 | 第28-30页 |
| 2.3.3 光照补偿 | 第30-31页 |
| 2.3.4 人脸尺寸归一化 | 第31-32页 |
| 2.4 基于改进LBP算子的人脸识别算法 | 第32-42页 |
| 2.4.1 基本LBP算子 | 第33-34页 |
| 2.4.2 LTP算子分析 | 第34-35页 |
| 2.4.3 改进的LBP算子 | 第35-37页 |
| 2.4.4 基于改进LBP算子的人脸识别算法 | 第37-42页 |
| 2.4.4.1 特征图谱不同分块大小对识别率的影响 | 第39-40页 |
| 2.4.4.2 不同分块权重大小对识别率的影响 | 第40页 |
| 2.4.4.3 降维处理 | 第40-41页 |
| 2.4.4.4 人脸不同姿态对识别精度的影响 | 第41-42页 |
| 2.5 实时人脸识别系统的实现 | 第42-44页 |
| 2.5.1 人脸识别系统设计 | 第42页 |
| 2.5.2 人脸识别结果分析 | 第42-43页 |
| 2.5.3 基于OpenCV的系统实现 | 第43-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 人体步态识别 | 第45-69页 |
| 3.1 Kinect摄像机及OpenNI开发库介绍 | 第45-53页 |
| 3.1.1 Kinect摄像机 | 第45-47页 |
| 3.1.2 Kinect深度数据的获取原理 | 第47-49页 |
| 3.1.3 Kinect骨骼数据的获取 | 第49-51页 |
| 3.1.4 OpenNI开发库 | 第51-53页 |
| 3.2 基于Kinect的步态识别实现流程 | 第53-55页 |
| 3.2.1 Kinect进行步态识别的优势 | 第53-54页 |
| 3.2.2 识别流程 | 第54-55页 |
| 3.3 步态周期的定义与检测 | 第55-57页 |
| 3.4 步态特征的提取以及表征 | 第57-64页 |
| 3.4.1 双腿关节角度的步态特征提取 | 第57-58页 |
| 3.4.2 步幅大小的步态特征提取 | 第58-59页 |
| 3.4.3 基于人体轮廓的步态特征提取 | 第59-64页 |
| 3.4.3.1 深度图像人体分割与轮廓检测 | 第60-62页 |
| 3.4.3.2 深度图像转换到三维坐标空间 | 第62-63页 |
| 3.4.3.3 人体三维轮廓傅里叶描述子 | 第63-64页 |
| 3.5 步态特征识别分类器设计 | 第64-65页 |
| 3.5.1 最近邻分类器 | 第64-65页 |
| 3.5.2 k近邻分类器 | 第65页 |
| 3.6 加权融合匹配方法 | 第65-66页 |
| 3.7 实验结果及分析 | 第66-68页 |
| 3.8 本章小结 | 第68-69页 |
| 第四章 人体体态识别 | 第69-80页 |
| 4.1 人体体态识别的定义 | 第69-71页 |
| 4.1.1 定义体态特征 | 第69页 |
| 4.1.2 体态识别的理论根据 | 第69-71页 |
| 4.2 人体体态的获取 | 第71-72页 |
| 4.3 体态识别特征的抽取 | 第72-73页 |
| 4.4 体态特征识别分类器设计 | 第73-75页 |
| 4.4.1 方差倒数加权标准欧式距离分类器 | 第73-74页 |
| 4.4.2 体态特征的预识别 | 第74-75页 |
| 4.5 实验及结果分析 | 第75-79页 |
| 4.5.1 标准欧式距离分类器实验结果 | 第75-77页 |
| 4.5.2 方差倒数加权欧式距离分类器实验结果 | 第77-78页 |
| 4.5.3 预识别方法的实验结果 | 第78-79页 |
| 4.5.4 三种识别方法对比结果 | 第79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 总结和展望 | 第80-82页 |
| 5.1 总结 | 第80-81页 |
| 5.2 展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-87页 |