摘要 | 第1-5页 |
ABSTRACT | 第5-10页 |
第一章 绪论 | 第10-19页 |
·生物特征识别技术 | 第10-11页 |
·步态识别技术综述 | 第11-16页 |
·步态识别及其研究内容 | 第11-13页 |
·国内外研究现状 | 第13-15页 |
·步态识别技术的研究难点 | 第15-16页 |
·本文的主要工作与创新 | 第16-17页 |
·本文的内容安排 | 第17-19页 |
第二章 步态数据预处理及周期性分析 | 第19-31页 |
·引言 | 第19页 |
·步态数据预处理 | 第19-25页 |
·背景估计 | 第20-22页 |
·目标检测与分割 | 第22-23页 |
·后处理 | 第23-25页 |
·步态数据的周期性分析 | 第25-27页 |
·步态周期的定义 | 第25-26页 |
·步态周期的计算 | 第26-27页 |
·实验数据来源 | 第27-29页 |
·UCSD数据库 | 第27-28页 |
·CMU数据库 | 第28-29页 |
·实验假设条件 | 第29页 |
·木章小结 | 第29-31页 |
第三章 基于感知轮廓描绘子的步态识别算法 | 第31-59页 |
·引言 | 第31页 |
·感知轮廓描绘子 | 第31-34页 |
·感知轮廓描绘子的定义 | 第32页 |
·参数取值讨论 | 第32-34页 |
·运动轮廓提取 | 第34-36页 |
·成分分析和线性判别函数 | 第36-43页 |
·主成分分析 | 第37-39页 |
·Fisher线性判别分析 | 第39-42页 |
·多重判别分析 | 第42-43页 |
·模式分类 | 第43-49页 |
·算法流程 | 第43-44页 |
·训练过程 | 第44-47页 |
·识别过程 | 第47-49页 |
·实验结果与分析 | 第49-58页 |
·实验结果 | 第49-52页 |
·性能分析 | 第52页 |
·算法比较 | 第52-58页 |
·本章小结 | 第58-59页 |
第四章 基于区域特征的步态识别算法 | 第59-78页 |
·引言 | 第59页 |
·算法思想 | 第59-60页 |
·区域特征提取 | 第60-61页 |
·区域目标面积特征 | 第60-61页 |
·区域方差特征 | 第61页 |
·模式分类 | 第61-66页 |
·图像模板化 | 第61-63页 |
·算法流程 | 第63页 |
·训练过程 | 第63-64页 |
·识别过程 | 第64-66页 |
·实验结果与分析 | 第66-76页 |
·实验结果 | 第66-68页 |
·性能分析 | 第68-69页 |
·算法比较 | 第69-76页 |
·本章小结 | 第76-78页 |
第五章 基于动态特征的步态识别算法 | 第78-94页 |
·引言 | 第78页 |
·算法思想 | 第78-79页 |
·动态特征提取 | 第79-81页 |
·动态方差特征 | 第79-80页 |
·动态能量特征 | 第80-81页 |
·模式分类 | 第81-83页 |
·算法流程 | 第81-82页 |
·训练过程 | 第82页 |
·识别过程 | 第82-83页 |
·实验结果与分析 | 第83-93页 |
·实验结果 | 第83-85页 |
·性能分析 | 第85-86页 |
·算法比较 | 第86-93页 |
·本章小结 | 第93-94页 |
第六章 基于模型的算法及融合理论在步态识别中的应用 | 第94-116页 |
·引言 | 第94页 |
·基于模型的步态识别算法研究 | 第94-99页 |
·钟摆模型 | 第94-96页 |
·椭圆模型 | 第96页 |
·人字型模型 | 第96-97页 |
·线图模型 | 第97-99页 |
·融合理论及其在步态识别中的应用 | 第99-100页 |
·特征级融合 | 第99-100页 |
·决策级融合 | 第100页 |
·一种融合了线图模型和静态特征的步态识别新算法 | 第100-115页 |
·基于线图模型的动态特征提取 | 第101-104页 |
·基于整体的静态特征提取 | 第104页 |
·融合策略 | 第104-106页 |
·模式分类 | 第106-107页 |
·实验结果与分析 | 第107-115页 |
·本章小结 | 第115-116页 |
第七章 总结与展望 | 第116-120页 |
·论文总结 | 第116-118页 |
·论文不足之处与进一步的深入研究 | 第118-120页 |
参考文献 | 第120-127页 |
攻读博士学位期间发表论文和参加科研情况说明 | 第127-129页 |
致谢 | 第129-130页 |