基于区域变化率和矩特征的步态识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 生物特征识别技术 | 第11-13页 |
| 1.2 步态识别的研究内容 | 第13-14页 |
| 1.3 步态识别的研究现状 | 第14-20页 |
| 1.3.1 数据采集 | 第15页 |
| 1.3.2 步态特征提取 | 第15-20页 |
| 1.4 论文的主要内容及章节安排 | 第20-21页 |
| 第2章 运动目标检测 | 第21-33页 |
| 2.1 步态检测的常用方法 | 第21-25页 |
| 2.1.1 帧差法 | 第21-23页 |
| 2.1.2 背景减除法 | 第23页 |
| 2.1.3 光流法 | 第23-25页 |
| 2.2 背景减除法提取运动目标 | 第25-28页 |
| 2.2.1 均值法背景建模 | 第25-27页 |
| 2.2.2 差分和二值化图像 | 第27-28页 |
| 2.3 二值图像处理 | 第28-31页 |
| 2.3.1 形态学处理 | 第29-30页 |
| 2.3.2 连通分量分析 | 第30-31页 |
| 2.4 小结 | 第31-33页 |
| 第3章 基于区域变化率的步态特征提取 | 第33-43页 |
| 3.1 步态分析 | 第33-35页 |
| 3.1.1 步态描述 | 第33-34页 |
| 3.1.2 步态的特点 | 第34-35页 |
| 3.2 图像的校正和归一化 | 第35-37页 |
| 3.2.1 图像的校正 | 第35-36页 |
| 3.2.2 图像的归一化 | 第36-37页 |
| 3.3 步态的周期性分析 | 第37-38页 |
| 3.4 基于区域变化率的静态特征提取 | 第38-40页 |
| 3.4.1 区域变化率特征思想的由来 | 第38-40页 |
| 3.4.2 区域变化率的静态特征提取 | 第40页 |
| 3.5 基于区域变化率的动态特征提取 | 第40-42页 |
| 3.6 小结 | 第42-43页 |
| 第4章 基于不变矩的步态特征提取 | 第43-53页 |
| 4.1 矩及不变矩理论 | 第43-48页 |
| 4.1.1 矩 | 第43-45页 |
| 4.1.2 矩的物理意义 | 第45-47页 |
| 4.1.3 Hu矩 | 第47-48页 |
| 4.2 基于Hu矩的静态特征提取 | 第48-49页 |
| 4.3 不变矩的动态特征提取 | 第49-51页 |
| 4.4 特征整合 | 第51页 |
| 4.5 小结 | 第51-53页 |
| 第5章 基于支持向量机的分类识别 | 第53-75页 |
| 5.1 步态数据库简介 | 第53-54页 |
| 5.2 支持向量机分类器的构成 | 第54-64页 |
| 5.2.1 机器学习的相关问题 | 第54-55页 |
| 5.2.2 支持向量机 | 第55-61页 |
| 5.2.3 内积函数 | 第61页 |
| 5.2.4 SVM多类分类算法 | 第61-63页 |
| 5.2.5 论文的SVM分类器构造 | 第63-64页 |
| 5.3 步态识别实验及分析 | 第64-71页 |
| 5.3.1 基于区域变化率特征的分类识别 | 第64-67页 |
| 5.3.2 基于不变矩特征的分类识别 | 第67-69页 |
| 5.3.3 基于区域变化率和不变矩的分类识别 | 第69-71页 |
| 5.4 方法性能评估 | 第71-74页 |
| 5.4.1 识别性能评估 | 第71-72页 |
| 5.4.2 验证性能评估 | 第72-74页 |
| 5.5 小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83页 |
