复杂监控场景下步态识别关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状和发展趋势 | 第11-15页 |
| 1.2.1 步态特征描述研究现状 | 第11-13页 |
| 1.2.2 多视角步态识别研究现状 | 第13-14页 |
| 1.2.3 步态与其它生物特征融合研究现状 | 第14-15页 |
| 1.3 本文的主要贡献与创新 | 第15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 信息采集与预处理 | 第17-25页 |
| 2.1 信息采集 | 第17-21页 |
| 2.1.1 步态信息采集及数据库介绍 | 第17-19页 |
| 2.1.2 人脸数据采集 | 第19-21页 |
| 2.2 步态数据预处理 | 第21-22页 |
| 2.3 步态序列周期提取及对齐 | 第22-25页 |
| 第三章 单视角步态识别研究 | 第25-41页 |
| 3.1 隐马尔科夫模型 | 第25-29页 |
| 3.1.1 隐马尔科夫模型概述 | 第25-26页 |
| 3.1.2 HMM应用框架 | 第26-29页 |
| 3.2 空间特征提取 | 第29-32页 |
| 3.2.1 Gabor特征提取 | 第29-30页 |
| 3.2.2 线性降维处理 | 第30-32页 |
| 3.3 基于HMM的性别分类 | 第32-35页 |
| 3.3.1 固定视角下分类 | 第32-34页 |
| 3.3.2 未知视角下分类 | 第34-35页 |
| 3.4 实验结果和分析 | 第35-41页 |
| 第四章 视角预测方法研究 | 第41-57页 |
| 4.1 视角相关性特征提取 | 第41-43页 |
| 4.2 特征的视角相关性评估 | 第43-45页 |
| 4.2.1 类可分离度评估 | 第43-44页 |
| 4.2.2 视角分类正确率评估 | 第44-45页 |
| 4.3 稳健回归分析 | 第45-49页 |
| 4.3.1 回归模型及参数估计 | 第45-48页 |
| 4.3.2 稳健回归模型 | 第48-49页 |
| 4.4 视角预测实验设计与结果 | 第49-54页 |
| 4.5 视角预测应用效果 | 第54-57页 |
| 4.5.1 步态特征描述 | 第54-55页 |
| 4.5.2 实验设计与结果 | 第55-57页 |
| 第五章 多生物特征融合 | 第57-71页 |
| 5.1 生物特征提取 | 第57-62页 |
| 5.1.1 步态特征提取 | 第57-59页 |
| 5.1.2 类可分性分析 | 第59-61页 |
| 5.1.3 人脸特征提取 | 第61-62页 |
| 5.2 基于SVM的性别分类 | 第62-65页 |
| 5.2.1 支持向量机原理 | 第62-64页 |
| 5.2.2 视角影响的分析 | 第64-65页 |
| 5.3 多特征信息融合 | 第65-68页 |
| 5.3.1 多特征融合框架 | 第65-67页 |
| 5.3.2 融合策略 | 第67-68页 |
| 5.4 实验设计与结果 | 第68-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的成果 | 第79-80页 |
