基于区域面积的步态识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·步态识别的研究现状及前景 | 第11页 |
| ·国内外步态识别方法 | 第11-13页 |
| ·基于模型的特征提取方法 | 第12页 |
| ·基于非模型的特征提取方法 | 第12-13页 |
| ·步态识别的研究内容 | 第13-14页 |
| ·本论文的主要研究内容 | 第14-16页 |
| 第2章 步态识别的基本理论 | 第16-23页 |
| ·引言 | 第16页 |
| ·步态识别的主要流程 | 第16-21页 |
| ·步态序列的获取及预处理 | 第16页 |
| ·运动目标的检测 | 第16-18页 |
| ·光流法 | 第17页 |
| ·背景减除分割法 | 第17-18页 |
| ·步态的周期性分析 | 第18-20页 |
| ·步态特征的提取和表达 | 第20页 |
| ·步态的分类和识别 | 第20页 |
| ·步态数据库 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第3章 基于区域面积的步态特征提取算法 | 第23-35页 |
| ·基于区域面积的特征提取 | 第23-29页 |
| ·步态特征的提取 | 第23-29页 |
| ·以步态轮廓线为步态特征 | 第24-25页 |
| ·以整个步态信息为特征 | 第25-27页 |
| ·本文算法 | 第27-29页 |
| ·步态分类识别 | 第29-32页 |
| ·相似性测量和分类器 | 第29-31页 |
| ·距离度量 | 第30-31页 |
| ·分类器 | 第31页 |
| ·步态识别流程 | 第31-32页 |
| ·实验及结果分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于PCA 和LDA 结合的步态识别 | 第35-43页 |
| ·主成分分析法（PCA） | 第35-38页 |
| ·PCA 原理 | 第35-36页 |
| ·基于PCA 的步态识别方法 | 第36-38页 |
| ·实验及结论分析 | 第38-39页 |
| ·线性判别法（LDA） | 第39-40页 |
| ·Fisher 准则函数 | 第39页 |
| ·线性判别分析的基本步骤 | 第39-40页 |
| ·结合ＰＣＡ和ＬＤＡ的步态识别方法 | 第40-41页 |
| ·实验结果与分析 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第5章 总结与展望 | 第43-45页 |
| ·论文总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 附录：攻读学位期间所发表的学术论文 | 第49页 |
