| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-29页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 论文研究关键技术 | 第10-12页 |
| 1.3 关键技术的研究现状 | 第12-28页 |
| 1.3.1 步态数据库 | 第13-16页 |
| 1.3.2 人体与背景分离方法 | 第16-17页 |
| 1.3.3 步态特征提取与表示方法 | 第17-21页 |
| 1.3.4 步态特征比对方法 | 第21-23页 |
| 1.3.5 步态识别评价标准 | 第23-28页 |
| 1.4 论文研究的主要内容 | 第28-29页 |
| 第二章 建立多信息步态数据库 | 第29-45页 |
| 2.1 目前所用步态数据库存在的问题 | 第29-30页 |
| 2.2 建立多信息步态数据库 | 第30-33页 |
| 2.2.1 原始步态数据库的建立方法 | 第30-31页 |
| 2.2.2 多信息原始步态数据库的数据结构 | 第31-33页 |
| 2.3 专用步态特征数据库的建立方法 | 第33-42页 |
| 2.3.1 消除背景,得到人体区域图 | 第34页 |
| 2.3.2 提取特征帧 | 第34-35页 |
| 2.3.3 将人体区域二值图象转换为人体轮廓线二值图象 | 第35-37页 |
| 2.3.4 对图象标准化 | 第37-42页 |
| 2.3.5 提取步态特征 | 第42页 |
| 2.4 待识别人的步态信息的获取方法 | 第42-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第三章 结构化步态特征表征和步态识别方法 | 第45-71页 |
| 3.1 结构化步态特征 | 第45-47页 |
| 3.1.1 结构化步态特征形式化语言定义 | 第46页 |
| 3.1.2 步态数据库中结构化步态特征的获取与存储 | 第46-47页 |
| 3.1.3 待识别人结构化步态特征的获取 | 第47页 |
| 3.2 以弱周期性时空能量图表示步态信息 | 第47-53页 |
| 3.2.1 弱周期性 | 第47-48页 |
| 3.2.2 弱周期性步态序列的时空能量图构成 | 第48-52页 |
| 3.2.3 STE对噪声干扰不敏感 | 第52-53页 |
| 3.3 步态识别算法描述 | 第53-57页 |
| 3.4 实验及分析 | 第57-68页 |
| 3.4.1 结构化步态特征与单信息步态特征进行身份识别对比实验 | 第57-60页 |
| 3.4.2 结构化步态特征与其他单信息步态特征身份识别对比实验 | 第60-64页 |
| 3.4.3 弱周期性实验一：起始帧不同对步态识别效果的影响 | 第64-65页 |
| 3.4.4 弱周期性实验二：步态周期分析方法对步态识别性能的影响 | 第65-68页 |
| 3.5 本章小结 | 第68-71页 |
| 第四章 基于小波变换与互信息熵的仿生步态识别算法 | 第71-105页 |
| 4.1 步态序列STE的二维离散小波变换多分辨率分析 | 第71-74页 |
| 4.1.1 STE图象二维离散小波变换 | 第71-73页 |
| 4.1.2 STE图象进行小波变换后的“显微”和“极化”效果 | 第73页 |
| 4.1.3 步态运动能量分布在频域的全局特征与局部特征 | 第73-74页 |
| 4.2 以STE小波变换子图组合表征步态信息 | 第74-89页 |
| 4.2.1 组合步态特征表示 | 第75-76页 |
| 4.2.2 用互信息熵来度量步态特征与原步态序列的关联性 | 第76-84页 |
| 4.2.3 步态特征中四个小波子图权值的选择 | 第84-89页 |
| 4.3 基于小波变换与互信息熵的仿生步态识别算法 | 第89-101页 |
| 4.3.1 算法的核心思想及流程图 | 第90-92页 |
| 4.3.2 算法识别效果实验及分析 | 第92-98页 |
| 4.3.3 与其他算法识别效果比较实验及分析 | 第98-100页 |
| 4.3.4 小波变换子图能量分析与权值系数的关系实验 | 第100-101页 |
| 4.4 本章小结 | 第101-105页 |
| 第五章 结束语 | 第105-109页 |
| 致谢 | 第109-111页 |
| 附录A 步态数据库中110人的步态特征小波子图系数 | 第111-115页 |
| 参考文献 | 第115-129页 |
| 发表文章目录 | 第129页 |
