基于Kinect多特征融合的步态识别研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要内容及章节安排 | 第12-14页 |
| 第二章 步态识别相关技术 | 第14-24页 |
| 2.1 Kinect相关介绍 | 第14-18页 |
| 2.1.1 Kinect简介 | 第14-15页 |
| 2.1.2 Kinect骨骼数据原理 | 第15-16页 |
| 2.1.3 Kinect应用 | 第16-18页 |
| 2.2 Kinect步态特征 | 第18页 |
| 2.3 步态识别算法 | 第18-21页 |
| 2.3.1 K最近邻分类 | 第19-20页 |
| 2.3.2 支持向量机 | 第20-21页 |
| 2.3.3 BP神经网络 | 第21页 |
| 2.4 步态数据库 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于Kinect的步态特征提取 | 第24-35页 |
| 3.1 步态周期 | 第24-25页 |
| 3.2 骨骼数据处理 | 第25-27页 |
| 3.3 静态特征的提取 | 第27-29页 |
| 3.3.1 棒状骨骼模型特征 | 第27-28页 |
| 3.3.2 关键步态姿势特征 | 第28-29页 |
| 3.4 动态特征的提取 | 第29-32页 |
| 3.4.1 质心关键点距离特征 | 第30-32页 |
| 3.4.2 髋关节角度特征 | 第32页 |
| 3.5 步态特征分析 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 多特征融合的步态识别 | 第35-51页 |
| 4.1 基于DTW的改进KNN算法 | 第35-39页 |
| 4.1.1 动态时间规整 | 第36-37页 |
| 4.1.2 基于DTW的改进KNN算法 | 第37-39页 |
| 4.2 步态特征融合方法 | 第39-43页 |
| 4.2.1 信息融合简介 | 第39页 |
| 4.2.2 信息融合分类 | 第39-41页 |
| 4.2.3 步态特征融合 | 第41-43页 |
| 4.3 实验结果和分析 | 第43-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于Kinect的步态识别系统实现 | 第51-61页 |
| 5.1 开发工具与环境配置 | 第51-54页 |
| 5.1.1 开发工具 | 第51-52页 |
| 5.1.2 开发环境配置 | 第52-54页 |
| 5.2 系统实现 | 第54-60页 |
| 5.2.1 系统设计方案 | 第55页 |
| 5.2.2 功能实现 | 第55-59页 |
| 5.2.3 系统测试结果 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 在校期间发表的学术论文及科研工作情况 | 第67-68页 |
| 致谢 | 第68页 |
