基于小波描述子和人体骨架模型的多视角融合步态识别
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·生物特征识别 | 第7-8页 |
| ·步态特征与步态识别 | 第8-10页 |
| ·步态识别的研究意义和背景 | 第10-11页 |
| ·研究内容和论文结构 | 第11-13页 |
| 第二章 步态识别方法研究 | 第13-18页 |
| ·常用的步态识别方法 | 第13-15页 |
| ·非模型方法 | 第13-14页 |
| ·基于模型的方法 | 第14-15页 |
| ·步态识别系统组成 | 第15-16页 |
| ·步态识别研究难点 | 第16-18页 |
| 第三章 基于人体轮廓的小波描述子提取 | 第18-31页 |
| ·运动人体轮廓线提取 | 第18-20页 |
| ·目标邻域点边界跟踪算法 | 第18-19页 |
| ·人体轮廓线提取 | 第19-20页 |
| ·轮廓归一化处理 | 第20-22页 |
| ·质心计算 | 第20-21页 |
| ·轮廓线等间隔采样 | 第21-22页 |
| ·步态特征表达 | 第22-24页 |
| ·小波描述子 | 第24-30页 |
| ·小波理论基础 | 第24-29页 |
| ·边界中心距的小波描述 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于人体骨架模型的步态特征提取 | 第31-38页 |
| ·数学形态学 | 第31-32页 |
| ·基于数学形态学的骨架提取 | 第32-34页 |
| ·数学形态学中的基本运算 | 第32-33页 |
| ·数学形态学的骨架算法 | 第33页 |
| ·数学形态学骨架提取 | 第33-34页 |
| ·人体骨架的特征参数提取 | 第34-37页 |
| ·小结 | 第37-38页 |
| 第五章 基于人体轮廓特征和SVM的身份识别 | 第38-60页 |
| ·步态周期划分及关键点特征 | 第38-40页 |
| ·SVM基本理论 | 第40-48页 |
| ·统计学习理论 | 第40-42页 |
| ·SVM基本原理 | 第42-48页 |
| ·基于SVM的步态识别算法实现 | 第48-50页 |
| ·分类器 | 第48-49页 |
| ·分类器参数确定 | 第49-50页 |
| ·识别结果 | 第50-58页 |
| ·数据库 | 第50-51页 |
| ·融合策略 | 第51-53页 |
| ·识别结果评价方法 | 第53-54页 |
| ·单一视角和单一特征的识别结果 | 第54-56页 |
| ·多特征融合后的识别结果 | 第56-58页 |
| ·多视角多特征融合后的识别结果 | 第58页 |
| ·识别结果分析 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-63页 |
| ·工作总结 | 第60-61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 发表论文和科研情况说明 | 第66-67页 |
| 致谢 | 第67页 |
