| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文结构与安排 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 复杂背景下的运动目标检测 | 第13-27页 |
| 2.1 运动目标检测概述 | 第13-14页 |
| 2.1.1 帧间差分法 | 第13页 |
| 2.1.2 光流法 | 第13页 |
| 2.1.3 背景差法 | 第13-14页 |
| 2.2 基于微正则退火K均值聚类的图像分割算法 | 第14-19页 |
| 2.2.1 K均值聚类算法 | 第15页 |
| 2.2.2 微正则退火算法 | 第15-16页 |
| 2.2.3 基于微正则退火K均值聚类的图像分割算法 | 第16-17页 |
| 2.2.4 实验结果与分析 | 第17-19页 |
| 2.3 基于图像分割改进的混合高斯背景建模 | 第19-24页 |
| 2.3.1 混合高斯背景建模 | 第19-21页 |
| 2.3.2 改进的混合高斯背景建模 | 第21-23页 |
| 2.3.3 实验结果与分析 | 第23-24页 |
| 2.4 后续处理 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 步态特征提取 | 第27-43页 |
| 3.1 步态能量图 | 第27-30页 |
| 3.1.1 步态能量图的原理 | 第27-28页 |
| 3.1.2 二维主成分分析 | 第28-30页 |
| 3.2 关节角度特征 | 第30-36页 |
| 3.2.1 传统的关节角度特征提取方法 | 第31-32页 |
| 3.2.2 骨架模型 | 第32-34页 |
| 3.2.3 骨架模型中的关节角度特征的提取 | 第34-36页 |
| 3.3 离散Hu不变矩特征 | 第36-41页 |
| 3.3.1 Hu不变矩 | 第37-39页 |
| 3.3.2 离散Hu不变矩 | 第39-41页 |
| 3.4 特征规格化 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 多特征融合及分类识别 | 第43-55页 |
| 4.1 多特征融合 | 第43-45页 |
| 4.1.1 特征融合分类 | 第43-44页 |
| 4.1.2 步态特征融合 | 第44-45页 |
| 4.2 SVM | 第45-51页 |
| 4.2.1 SVM基本原理 | 第45-49页 |
| 4.2.2 多类SVM | 第49-50页 |
| 4.2.3 SVM参数的确定 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-54页 |
| 4.3.1 实验数据库 | 第51页 |
| 4.3.2 实验流程 | 第51-52页 |
| 4.3.3 实验结果与识别性能 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 硕士期间发表论文和科研情况 | 第60-61页 |
| 致谢 | 第61页 |