基于隐马尔可夫模型的步态识别算法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 英文缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-18页 |
| ·生物特征识别技术 | 第13-14页 |
| ·步态识别技术简介 | 第14-16页 |
| ·步态识别的背景及意义 | 第16-17页 |
| ·本文的研究工作与创新 | 第17-18页 |
| 第二章 步态识别的研究现状 | 第18-26页 |
| ·国外研究现状 | 第18-19页 |
| ·国内研究现状 | 第19-21页 |
| ·主要步态识别方法概述 | 第21-24页 |
| ·基于结构(模型)的方法 | 第21-22页 |
| ·基于非结构(运动)的方法 | 第22-24页 |
| ·主要步态数据库简介 | 第24-26页 |
| 第三章 HMM基本理论及算法 | 第26-39页 |
| ·引言 | 第26页 |
| ·HMM基本原理 | 第26-29页 |
| ·马尔可夫模型 | 第26-27页 |
| ·HMM模型 | 第27-29页 |
| ·HMM基本算法 | 第29-33页 |
| ·HMM的三个基本问题 | 第29页 |
| ·HMM的三个基本算法 | 第29-33页 |
| ·HMM的类型及算法在实现中的问题 | 第33-38页 |
| ·HMM的基本类型 | 第33-34页 |
| ·HMM算法实现中的问题 | 第34-38页 |
| ·HMM在步态识别中的可行性 | 第38页 |
| ·小结 | 第38-39页 |
| 第四章 步态图像的预处理 | 第39-55页 |
| ·步态图像色彩转化 | 第40页 |
| ·运动检测 | 第40-45页 |
| ·背景建模 | 第41-43页 |
| ·背景减除 | 第43页 |
| ·图像二值化 | 第43-45页 |
| ·形态学滤波处理 | 第45-46页 |
| ·感兴趣区域提取与处理 | 第46-51页 |
| ·人体矩形框提取 | 第46-47页 |
| ·矩形框归一化处理 | 第47-50页 |
| ·矩形框中心化处理 | 第50-51页 |
| ·步态周期检测 | 第51-53页 |
| ·小结 | 第53-55页 |
| 第五章 步态特征提取与识别 | 第55-72页 |
| ·引言 | 第55-56页 |
| ·步态特征提取与表示 | 第56-61页 |
| ·步态能量图 | 第56-58页 |
| ·步态能量图的抗噪声性能分析 | 第58-59页 |
| ·利用步态能量图提取步态特征 | 第59-61页 |
| ·基于HMM的步态识别 | 第61-71页 |
| ·模型训练 | 第61-63页 |
| ·特征识别及实验结果分析 | 第63-71页 |
| ·小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-75页 |
| ·本文成果与不足 | 第72-73页 |
| ·未来工作的展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士期间发表论文 | 第81-82页 |
| 学位论文评阅及答辩情况表 | 第82页 |
