| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究的背景 | 第11-13页 |
| ·步态识别研究的应用 | 第13-14页 |
| ·智能监控应用 | 第13页 |
| ·计算机人体行为分析 | 第13-14页 |
| ·步态识别的研究现状 | 第14-15页 |
| ·本文所用数据库 | 第15-17页 |
| ·本文的研究内容与结构安排 | 第17-19页 |
| 第二章 步态识别技术 | 第19-34页 |
| ·步态识别的研究依据 | 第19-20页 |
| ·步态检测 | 第20-24页 |
| ·帧间差分法 | 第21页 |
| ·光流法 | 第21页 |
| ·背景减除法 | 第21-24页 |
| ·形态学处理 | 第24-25页 |
| ·步态周期分析 | 第25-26页 |
| ·步态特征提取 | 第26-30页 |
| ·基于模型的方法 | 第26-28页 |
| ·基于非模型的方法 | 第28-30页 |
| ·步态识别算法 | 第30-33页 |
| ·特征处理算法 | 第30-31页 |
| ·识别算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于确定学习理论的步态识别 | 第34-47页 |
| ·引言 | 第34页 |
| ·确定学习理论介绍 | 第34-41页 |
| ·引言 | 第34页 |
| ·RBF 神经网络 | 第34-35页 |
| ·RBF 神经网络的持续激励性质 | 第35-36页 |
| ·连续系统的确定学习 | 第36-38页 |
| ·动态模式识别 | 第38-41页 |
| ·基于动力学占优特性的建模 | 第41-43页 |
| ·步态模式的训练机制 | 第43-45页 |
| ·步态模式的识别机制 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于 OpenCV 的步态特征数据获取 | 第47-64页 |
| ·引言 | 第47页 |
| ·软件编程环境 | 第47-49页 |
| ·Visual Studio 2010 环境下的 MFC 编程 | 第47-48页 |
| ·OpenCV 简介 | 第48-49页 |
| ·软件的流程设计 | 第49页 |
| ·图像预处理 | 第49-52页 |
| ·背景建模 | 第49-50页 |
| ·阈值分割 | 第50-52页 |
| ·形态学处理 | 第52页 |
| ·人体轮廓与步态周期 | 第52-56页 |
| ·人体轮廓的提取 | 第53-54页 |
| ·步态周期的确定 | 第54-56页 |
| ·人体下肢关节点定位 | 第56-61页 |
| ·人体身体的标定 | 第56页 |
| ·髋关节点的定位 | 第56-58页 |
| ·膝关节点的定位 | 第58-59页 |
| ·踝关节点的定位 | 第59-61页 |
| ·关节角度的计算 | 第61-62页 |
| ·数据提取效果 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于 LabVIEW 的步态模式训练与识别实现 | 第64-74页 |
| ·引言 | 第64页 |
| ·LabVIEW 简介 | 第64-69页 |
| ·LabVIEW 开发环境 | 第65-67页 |
| ·并行多任务编程 | 第67-68页 |
| ·LabVIEW 的数据显示 | 第68-69页 |
| ·基于 LabVIEW 的系统实现 | 第69-71页 |
| ·步态训练模块的实现 | 第69-70页 |
| ·步态识别模块的实现 | 第70-71页 |
| ·实验与分析 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 总结与展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |