基于步态触觉信息的身份识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-32页 |
| ·研究背景和意义 | 第14-22页 |
| ·研究背景 | 第14-17页 |
| ·研究意义 | 第17-22页 |
| ·步态识别研究现状 | 第22-27页 |
| ·本文研究目的 | 第27-28页 |
| ·本文研究方法 | 第28-29页 |
| ·本文结构和研究内容 | 第29-32页 |
| 第二章 步态识别基础 | 第32-68页 |
| ·步态的运动生物力学描述 | 第32-41页 |
| ·步态的时空参数描述 | 第33-35页 |
| ·步态的运动学参数描述 | 第35-36页 |
| ·步态的动力学参数描述 | 第36-41页 |
| ·步态识别的多学科交叉特色 | 第41-44页 |
| ·步态触觉信息采集 | 第44-52页 |
| ·足底压力测量技术 | 第44-46页 |
| ·步态触觉信息采集通道 | 第46-50页 |
| ·步态触觉信息采集流程 | 第50-52页 |
| ·步态数据预处理 | 第52-62页 |
| ·去噪 | 第52-56页 |
| ·数据标准化 | 第56-59页 |
| ·维数归一化 | 第59-60页 |
| ·波形对齐 | 第60-61页 |
| ·样本拆分 | 第61-62页 |
| ·步态数据重复性验证 | 第62-66页 |
| ·数据重复性验证方法 | 第62-64页 |
| ·重复性验证结果 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第三章 步态触觉信息数据库 | 第68-98页 |
| ·引言 | 第68-69页 |
| ·现存的步态数据库 | 第69-80页 |
| ·ITCSH GaitⅠ步态数据库 | 第80-84页 |
| ·数据采集环境设置 | 第80-81页 |
| ·数据采集系统配置 | 第81页 |
| ·数据集描述 | 第81-84页 |
| ·ITCSH GaitⅡ步态数据库 | 第84-88页 |
| ·数据采集环境设置 | 第84-85页 |
| ·数据采集系统配置 | 第85页 |
| ·数据集描述 | 第85-88页 |
| ·ITCSH GaitⅢ步态数据库 | 第88-97页 |
| ·数据采集环境设置 | 第89页 |
| ·数据采集系统配置 | 第89-91页 |
| ·数据集描述 | 第91-97页 |
| ·本章小结 | 第97-98页 |
| 第四章 步态触觉特征提取与选择 | 第98-124页 |
| ·概述 | 第98-103页 |
| ·特征提取与特征选择的概念 | 第98-99页 |
| ·特征提取方法选择 | 第99-101页 |
| ·特征选择方法选择 | 第101-103页 |
| ·基于波形特征点检测的时域步态特征提取 | 第103-112页 |
| ·时域步态特征表示 | 第104-108页 |
| ·实验结果与分析 | 第108-112页 |
| ·基于小波包分解的频域步态特征提取 | 第112-116页 |
| ·小波包变换简介 | 第112-114页 |
| ·小波包分解提取步态特征的方法和结果 | 第114-116页 |
| ·步态特征选择 | 第116-123页 |
| ·基于模糊 C 均值判据的步态特征选择 | 第117-120页 |
| ·FCM 算法基本思想 | 第117页 |
| ·基于 FCM 算法的步态特征选择步骤 | 第117-118页 |
| ·实验结果与分析 | 第118-120页 |
| ·基于相关性测度的步态特征选择 | 第120-122页 |
| ·CFS 法基本思想 | 第120-121页 |
| ·CFS 法算法步骤 | 第121-122页 |
| ·基于主分量分析的步态特征选择 | 第122页 |
| ·基于支持向量机的步态特征选择 | 第122-123页 |
| ·本章小结 | 第123-124页 |
| 第五章 基于支持向量机的步态识别与特征选择 | 第124-148页 |
| ·近邻分类器与分类性能评估 | 第124-128页 |
| ·K-近邻分类法 | 第124-126页 |
| ·分类性能评估指标 | 第126-127页 |
| ·分类性能评估方法——交叉验证 | 第127-128页 |
| ·基于支持向量机的步态识别 | 第128-137页 |
| ·支持向量机简介 | 第129-131页 |
| ·支持向量机的核函数选择与参数优化 | 第131-133页 |
| ·实验结果与分析 | 第133-136页 |
| ·本节小结 | 第136-137页 |
| ·步态特征选择结果与分析 | 第137-141页 |
| ·基于步态特征的个人信息恢复 | 第141-145页 |
| ·概述 | 第141-143页 |
| ·体重恢复数学模型及结果 | 第143-145页 |
| ·身高恢复数学模型及结果 | 第145页 |
| ·本章小结 | 第145-148页 |
| 第六章 基于多分类器集成系统的步态识别 | 第148-162页 |
| ·概述 | 第148-153页 |
| ·行走速度对步态识别的影响 | 第148-150页 |
| ·多分类器集成系统及其构造方法 | 第150-152页 |
| ·基分类器输出的融合决策方法 | 第152-153页 |
| ·基于旋转森林的步态识别 | 第153-160页 |
| ·旋转森林简介及算法框架 | 第153-156页 |
| ·基于分布式投票的分类方法 | 第156页 |
| ·实验结果与分析 | 第156-160页 |
| ·本章小结 | 第160-162页 |
| 第七章 总结与展望 | 第162-170页 |
| ·研究工作总结 | 第162-164页 |
| ·创新点摘要 | 第164-165页 |
| ·未来研究工作展望 | 第165-170页 |
| 参考文献 | 第170-180页 |
| 附录 步态信息采集实验参与者情况调查表 | 第180-181页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第181-183页 |
| 致谢 | 第183-185页 |
