| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-14页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究的背景与意义 | 第14-16页 |
| 1.2 研究内容与难点分析 | 第16-18页 |
| 1.2.1 研究内容 | 第16-17页 |
| 1.2.2 难点分析 | 第17-18页 |
| 1.3 本文的主要工作与创新 | 第18-19页 |
| 1.4 本文的内容安排 | 第19-22页 |
| 第2章 步态及行为识别研究综述 | 第22-42页 |
| 2.1 步态识别及行为识别系统构成 | 第22-28页 |
| 2.1.1 数据采集 | 第22-23页 |
| 2.1.2 运动检测 | 第23-24页 |
| 2.1.3 特征提取及表达 | 第24-27页 |
| 2.1.4 特征识别 | 第27-28页 |
| 2.1.5 鲁棒性分析 | 第28页 |
| 2.2 步态及行为识别常用算法分析 | 第28-31页 |
| 2.2.1 步态识别主要算法分析 | 第28-29页 |
| 2.2.2 行为识别主要算法分析 | 第29-31页 |
| 2.3 步态及行为数据库 | 第31-40页 |
| 2.3.1 步态数据库 | 第31-36页 |
| 2.3.2 行为数据库 | 第36-40页 |
| 2.4 本章小结 | 第40-42页 |
| 第3章 基于纹理分析的运动人体分割方法 | 第42-56页 |
| 3.1 运动目标检测算法 | 第42-47页 |
| 3.1.1 光流法 | 第42-43页 |
| 3.1.2 帧间差分法 | 第43-44页 |
| 3.1.3 背景减除法 | 第44-45页 |
| 3.1.4 混合高斯模型算法 | 第45-47页 |
| 3.2 基于纹理分析的阴影消除算法 | 第47-55页 |
| 3.2.1 阴影的特征提取 | 第48-53页 |
| 3.2.2 融合颜色及纹理特征去除阴影 | 第53-54页 |
| 3.2.3 实验结果与分析 | 第54-55页 |
| 3.3 本章小结 | 第55-56页 |
| 第4章 基于子空间的步态识别方法 | 第56-70页 |
| 4.1 引言 | 第56-57页 |
| 4.2 基于核主成分分析法步态识别 | 第57-64页 |
| 4.2.1 计算步态特征图像 | 第57-59页 |
| 4.2.2 核主成分分析 | 第59-61页 |
| 4.2.3 SVM分类判别结果 | 第61-64页 |
| 4.3 基于核判别分析法步态识别 | 第64-68页 |
| 4.3.1 计算步态特征图像 | 第64页 |
| 4.3.2 核判别分析法 | 第64-67页 |
| 4.3.3 SVM分类判别结果 | 第67-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第5章 基于稀疏表示的步态识别方法 | 第70-84页 |
| 5.1 稀疏表示 | 第70-74页 |
| 5.1.1 稀疏表示的理论基础 | 第70-72页 |
| 5.1.2 改进的稀疏分解算法 | 第72-74页 |
| 5.2 基于稀疏表示的步态识别算法 | 第74-80页 |
| 5.2.1 计算步态特征图像 | 第74-76页 |
| 5.2.2 步态字典的构建 | 第76-78页 |
| 5.2.3 基于隐马尔可夫模型及稀疏表示的步态识别算法 | 第78-80页 |
| 5.3 实验结果与分析 | 第80-82页 |
| 5.3.1 实验结果 | 第80-81页 |
| 5.3.2 实验分析 | 第81-82页 |
| 5.4 本章小结 | 第82-84页 |
| 第6章 基于动态贝叶斯网络的步态识别 | 第84-104页 |
| 6.1 引言 | 第84页 |
| 6.2 基于动静态信息融合及动态贝叶斯网络的步态识别 | 第84-93页 |
| 6.2.1 动态贝叶斯网络理论基础 | 第85-86页 |
| 6.2.2 步态的动静态信息融合动态贝叶斯模型(DSIF-DBN) | 第86-88页 |
| 6.2.3 模型分析 | 第88页 |
| 6.2.4 模型推理与学习 | 第88-90页 |
| 6.2.5 模型识别 | 第90-91页 |
| 6.2.6 步态特征提取 | 第91-93页 |
| 6.3 基于双尺度动态贝叶斯网络及多信息融合的步态识别 | 第93-98页 |
| 6.3.1 整体信息及局部细节信息相融合的DBN模型 | 第93-94页 |
| 6.3.2 模型分析 | 第94-95页 |
| 6.3.3 模型推理与学习 | 第95-96页 |
| 6.3.4 模型特征提取 | 第96-98页 |
| 6.4 实验结果与分析 | 第98-100页 |
| 6.4.1 单一模型下步态识别结果 | 第98-99页 |
| 6.4.2 模型间的步态识别结果比较 | 第99-100页 |
| 6.5 模型鲁棒性分析 | 第100-101页 |
| 6.6 本章小结 | 第101-104页 |
| 第7章 人体连续行为分割与识别方法 | 第104-120页 |
| 7.1 引言 | 第104-105页 |
| 7.2 行为识别模型 | 第105-106页 |
| 7.3 模型特征提取 | 第106-107页 |
| 7.3.1 静态特征信息 | 第106-107页 |
| 7.3.2 动态特征信息 | 第107页 |
| 7.4 构建连续行为分类网络CACN | 第107-111页 |
| 7.4.1 粗分割 | 第108-109页 |
| 7.4.2 采用Viterbi算法行为动态切分 | 第109-111页 |
| 7.5 实验结果与分析 | 第111-117页 |
| 7.5.1 DBN模型下行为识别结果 | 第111-116页 |
| 7.5.2 DBN模型鲁棒性分析 | 第116-117页 |
| 7.6 本章小结 | 第117-120页 |
| 第8章 总结与展望 | 第120-122页 |
| 8.1 总结 | 第120-121页 |
| 8.2 展望 | 第121-122页 |
| 参考文献 | 第122-132页 |
| 致谢 | 第132-134页 |
| 攻读博士期间发表论文和取得科研成果 | 第134-135页 |
