| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-30页 |
| ·引言 | 第11-12页 |
| ·选题背景和意义 | 第12-14页 |
| ·步态识别技术综述 | 第14-26页 |
| ·步态识别研究内容 | 第14-17页 |
| ·国内外研究现状 | 第17页 |
| ·现有识别方法 | 第17-23页 |
| ·步态识别技术的研究难点 | 第23-26页 |
| ·步态识别的应用前景 | 第26页 |
| ·论文实验数据库 | 第26-28页 |
| ·论文的主要工作 | 第28-29页 |
| ·论文的内容安排 | 第29-30页 |
| 第2章 步态检测及预处理 | 第30-39页 |
| ·背景建模 | 第30-31页 |
| ·运动目标检测 | 第31-33页 |
| ·背景减除法 | 第31-32页 |
| ·光流法 | 第32页 |
| ·时间差分法 | 第32-33页 |
| ·图像二值化处理 | 第33-35页 |
| ·形态学处理 | 第35-36页 |
| ·周期检测 | 第36-37页 |
| ·周期检测概述 | 第36-37页 |
| ·基于剪影宽高比的周期检测 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第3章 基于 Radon变换的步态识别 | 第39-52页 |
| ·Radon变换 | 第39-41页 |
| ·Radon变换定义 | 第39-40页 |
| ·Radon变换结果 | 第40-41页 |
| ·特征模板构造 | 第41-46页 |
| ·已有模板构造方法 | 第41-43页 |
| ·动态插值模板构造 | 第43-46页 |
| ·主成分分析(PCA) | 第46-48页 |
| ·K-L变换的原理 | 第46-48页 |
| ·主向量提取 | 第48页 |
| ·实验步骤 | 第48-50页 |
| ·识别结果与分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于 GEI和(2D)~2PCA的步态识别 | 第52-66页 |
| ·步态能量图像(GEI) | 第52-56页 |
| ·步态能量图像理论 | 第52-53页 |
| ·步态能量图像优点分析 | 第53-56页 |
| ·二维主成分分析(2DPCA) | 第56-58页 |
| ·二维主成分分析算法 | 第56-57页 |
| ·图像的主成分向量和特征矩阵 | 第57页 |
| ·2DPCA的优点 | 第57-58页 |
| ·行列相结合的二维主成分分析((2D)~2PCA) | 第58-60页 |
| ·行方向上的 2DPCA | 第58-59页 |
| ·列方向上的 2DPCA | 第59页 |
| ·行列方向结合的 2DPCA | 第59-60页 |
| ·加权二维主成分分析 | 第60页 |
| ·实验步骤 | 第60-61页 |
| ·识别结果与分析 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 基于信息融合的步态识别 | 第66-72页 |
| ·信息融合概述 | 第66-68页 |
| ·基于多视角融合的步态识别 | 第68-70页 |
| ·决策层融合规则 | 第68-69页 |
| ·多视角决策层融合策略 | 第69页 |
| ·融合后的结果及分析 | 第69-70页 |
| ·基于多特征融合的步态识别 | 第70-71页 |
| ·多特征融合规则 | 第70-71页 |
| ·融合后的结果及分析 | 第71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-81页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第81-82页 |
| 致谢 | 第82页 |