| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.2 步态识别技术综述 | 第12-14页 |
| 1.3 步态识别技术的研究现状 | 第14-16页 |
| 1.3.1 国外研究现状 | 第14-15页 |
| 1.3.2 国内研究现状 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第2章 基于改进背景减除法的运动目标提取 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 常用的目标提取方法 | 第18-20页 |
| 2.2.1 背景减除法 | 第18-19页 |
| 2.2.2 帧间差分法 | 第19页 |
| 2.2.3 光流法 | 第19-20页 |
| 2.3 基于背景减除法的行人目标轮廓提取 | 第20-24页 |
| 2.3.1 背景建模 | 第20-21页 |
| 2.3.2 差分及二值化 | 第21-22页 |
| 2.3.3 图像后处理 | 第22-24页 |
| 2.4 改进的人体目标提取方法 | 第24-27页 |
| 2.5 分区域后处理 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于人体下肢特征的步态周期检测 | 第30-39页 |
| 3.1 引言 | 第30-31页 |
| 3.2 正面步态周期检测 | 第31-36页 |
| 3.2.1 感兴趣区域划分 | 第31页 |
| 3.2.2 利用下肢长度比值求周期 | 第31-34页 |
| 3.2.3 利用下肢摆动区域面积求周期 | 第34-36页 |
| 3.2.4 周期检测方法分析比较 | 第36页 |
| 3.3 关键帧提取与归一化 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 多步态特征提取与融合 | 第39-48页 |
| 4.1 引言 | 第39-40页 |
| 4.2 特征提取方法简介 | 第40-42页 |
| 4.2.1 基于模型的特征提取 | 第40-42页 |
| 4.2.2 基于非模型的特征提取 | 第42页 |
| 4.3 步态特征提取 | 第42-45页 |
| 4.3.1 感兴趣区域PCA特征提取 | 第43-44页 |
| 4.3.2 下肢动态特征的提取 | 第44-45页 |
| 4.4 特征融合 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于支持向量机的步态识别 | 第48-58页 |
| 5.1 引言 | 第48-49页 |
| 5.2 支持向量机 | 第49-51页 |
| 5.2.1 支持向量机分类原理 | 第49-51页 |
| 5.2.2 支持向量机核函数分类 | 第51页 |
| 5.3 步态数据库介绍 | 第51-53页 |
| 5.4 基于支持向量机的正面步态识别 | 第53-57页 |
| 5.4.1 基于感兴趣区域PCA外形特征和步态周期特征融合的识别算法 | 第53-54页 |
| 5.4.2 基于感兴趣区域PCA外形特征和下肢动态特征融合的识别算法 | 第54-56页 |
| 5.4.3 基于多特征融合的识别算法 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |