基于确定学习理论的实时步态识别系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 步态识别研究现状 | 第12-14页 |
| 1.2.1 国内外研究进展 | 第12-13页 |
| 1.2.2 步态识别面临的困难 | 第13-14页 |
| 1.3 文章内容及结构介绍 | 第14-15页 |
| 第二章 步态识别技术综述 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 基本框架 | 第15页 |
| 2.3 步态信息获取 | 第15-18页 |
| 2.3.1 视频采集 | 第15-16页 |
| 2.3.2 运动检测 | 第16-17页 |
| 2.3.3 特征提取 | 第17-18页 |
| 2.4 步态识别算法 | 第18-19页 |
| 2.4.1 基于模板法 | 第18页 |
| 2.4.2 基于统计法 | 第18-19页 |
| 2.5 步态数据库 | 第19-23页 |
| 2.5.1 CMU Mobo 数据库 | 第19-20页 |
| 2.5.2 USF 数据库 | 第20-21页 |
| 2.5.3 CASIA 数据库 | 第21-22页 |
| 2.5.4 自建数据库 | 第22-23页 |
| 2.8 本章小结 | 第23-24页 |
| 第三章 基于确定学习理论的步态识别算法 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 确定学习理论介绍 | 第24-26页 |
| 3.2.1 径向基函数神经网络 | 第24-25页 |
| 3.2.2 持续激励条件 | 第25-26页 |
| 3.3 连续系统的确定学习 | 第26-27页 |
| 3.4 动态模式的识别 | 第27-28页 |
| 3.5 确定学习在步态识别中的应用 | 第28-32页 |
| 3.5.1 步态建模 | 第28-30页 |
| 3.5.2 步态学习机制 | 第30-31页 |
| 3.5.3 步态识别机制 | 第31-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第四章 特征信息提取 | 第34-47页 |
| 4.1 引言 | 第34页 |
| 4.2 基于 OPENCV 的特征信息提取 | 第34-40页 |
| 4.2.1 OpenCV 简介 | 第34页 |
| 4.2.2 实现 | 第34-40页 |
| 4.3 基于 KINECT 的特征信息提取 | 第40-46页 |
| 4.3.1 Kinect 简介 | 第40-43页 |
| 4.3.2 实现 | 第43-46页 |
| 4.3.3 Kinect 优缺点分析 | 第46页 |
| 4.6 结论 | 第46-47页 |
| 第五章 系统设计与实现 | 第47-61页 |
| 5.1 引言 | 第47页 |
| 5.2 实现平台 | 第47-50页 |
| 5.2.1 界面开发工具 | 第47-48页 |
| 5.2.2 快速计算工具 | 第48-50页 |
| 5.3 并行计算实现 | 第50-51页 |
| 5.3.1 径向基函数神经网络并行化计算 | 第50页 |
| 5.3.2 多模式识别的并行计算 | 第50-51页 |
| 5.4 系统设计 | 第51-54页 |
| 5.4.1 整体设计方案 | 第51-52页 |
| 5.4.2 步态学习模块 | 第52-53页 |
| 5.4.3 步态识别模块 | 第53-54页 |
| 5.5 结果分析 | 第54-60页 |
| 5.5.1 基于 OpenCV 的信息提取 | 第55-57页 |
| 5.5.2 基于 Kinect 的侧面视角 | 第57-58页 |
| 5.5.3 基于 Kinect 的正面视角 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
