摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 课题背景及意义 | 第11页 |
1.2 国内外研究历史与现状 | 第11-14页 |
1.2.1 步态阶段分析和识别的国内外研究现状 | 第11-13页 |
1.2.2 基于HMM的自适应识别国内外研究现状 | 第13-14页 |
1.2.3 人体行为识别的国内外研究现状 | 第14页 |
1.3 研究的目的及主要研究内容 | 第14-15页 |
1.4 本论文的结构安排 | 第15-17页 |
第二章 步态阶段划分、数据预处理和特征提取 | 第17-28页 |
2.1 步态数据来源 | 第17-21页 |
2.2 步态阶段划分 | 第21-22页 |
2.3 数据预处理 | 第22-25页 |
2.3.1 去噪处理 | 第22-24页 |
2.3.2 平滑处理 | 第24-25页 |
2.4 特征提取 | 第25-27页 |
2.4.1 加窗处理 | 第25-26页 |
2.4.2 特征提取 | 第26-27页 |
2.5 本章总结 | 第27-28页 |
第三章 基于隐马尔科夫模型的步态阶段识别 | 第28-34页 |
3.1 隐马尔科夫模型 | 第28-30页 |
3.2 HMM用于步态识别的原理 | 第30-31页 |
3.3 HMM用于步态识别的不足及其改进方向 | 第31-33页 |
3.3.1 隐马尔科夫模型自身的不足 | 第31-32页 |
3.3.2 参数自适应调整 | 第32-33页 |
3.4 本章小结 | 第33-34页 |
第四章 基于隐半马尔科夫模型的步态识别算法 | 第34-55页 |
4.1 综述 | 第34页 |
4.2 隐半马尔科夫模型介绍 | 第34-36页 |
4.2.1 隐半马尔科夫理论 | 第34-36页 |
4.2.2 隐半马尔科夫模型的三个基本问题 | 第36页 |
4.3 HSMM中三个基本问题的求解 | 第36-41页 |
4.3.1 前向-后向算法 | 第37-38页 |
4.3.2 Baum-Welch算法 | 第38-40页 |
4.3.3 Viterbi算法 | 第40-41页 |
4.4 基于隐半马尔科夫模型的步态识别算法 | 第41-45页 |
4.4.1 算法设计框图 | 第41-42页 |
4.4.2 模型结构 | 第42-43页 |
4.4.3 参数训练 | 第43-45页 |
4.5 算法仿真及结果分析 | 第45-54页 |
4.5.1 性能评估指标 | 第45-46页 |
4.5.2 性能分析 | 第46-49页 |
4.5.3 不同窗口下程序性能及其与HMM对比 | 第49-54页 |
4.5.4 与其他步态阶段识别算法的性能对比 | 第54页 |
4.6 本章总结 | 第54-55页 |
第五章 基于MAP和MLLR的步态阶段识别自适应优化 | 第55-76页 |
5.1 步态差异性分析 | 第55-56页 |
5.1.1 综述 | 第55页 |
5.1.2 个体差异 | 第55-56页 |
5.1.3 运动差异 | 第56页 |
5.1.4 环境差异 | 第56页 |
5.2 步态自适应原理 | 第56-57页 |
5.2.1 基于特征层的步态自适应 | 第56-57页 |
5.2.2 基于模型层的步态自适应 | 第57页 |
5.3 基于MAP和MLLR的步态阶段识别自适应优化 | 第57-62页 |
5.3.1 算法流程 | 第57-58页 |
5.3.2 MAP参数自适应 | 第58-60页 |
5.3.3 MLLR参数自适应 | 第60-61页 |
5.3.4 参数训练及参数自适应结果 | 第61-62页 |
5.4 MAP、MLLR识别结果及其与HMM对比 | 第62-71页 |
5.4.1 性能分析 | 第62-66页 |
5.4.2 不同窗口下程序性能及其与HMM对比 | 第66-71页 |
5.5 MLLR结合MAP识别结果及其与HMM对比 | 第71-73页 |
5.6 被适应数据量对识别结果的影响 | 第73-75页 |
5.7 本章总结 | 第75-76页 |
第六章 自适应中参考模型的自主选择 | 第76-85页 |
6.1 引言 | 第76页 |
6.2 SVM原理 | 第76-80页 |
6.3 基于SVM的参考模型自主选择 | 第80页 |
6.4 参考模型自主选择与通用参考模型的对比结果 | 第80-84页 |
6.5 本章总结 | 第84-85页 |
第七章 总结与展望 | 第85-87页 |
7.1 全文总结 | 第85-86页 |
7.2 研究展望 | 第86-87页 |
致谢 | 第87-88页 |
参考文献 | 第88-93页 |
攻读硕士学位期间取得的成果 | 第93-94页 |