| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状分析 | 第13-14页 |
| 1.3 正面视角步态识别技术 | 第14-16页 |
| 1.3.1 正面视角下步态识别综述 | 第14-15页 |
| 1.3.2 正面与侧面视角步态识别对比 | 第15-16页 |
| 1.4 当前正面步态识别面临的困难和挑战 | 第16-17页 |
| 1.5 本论文研究内容与结构框架 | 第17-19页 |
| 第二章 基于确定学习理论的步态识别研究 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 确定学习理论介绍 | 第19-22页 |
| 2.2.1 RBF神经网络和持续激励(PE)条件 | 第19-21页 |
| 2.2.2 连续系统的确定学习 | 第21-22页 |
| 2.3 动态模式识别 | 第22-25页 |
| 2.3.1 时不变空间分布的描述 | 第23页 |
| 2.3.2 动态模式识别的相似度量 | 第23-24页 |
| 2.3.3 动态模式的快速识别 | 第24-25页 |
| 2.4 确定学习理论与步态识别研究 | 第25-29页 |
| 2.4.1 人体步态建模 | 第25-27页 |
| 2.4.2 步态学习机制 | 第27-28页 |
| 2.4.3 步态识别机制 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于确定学习理论和Kinect特征的人体正面步态识别 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 基于Kinect正面视角数据采集与步态数据库构建 | 第31-35页 |
| 3.2.1 Kinect简介及其优势 | 第31-33页 |
| 3.2.2 Kinect数据采集与步态数据库构建 | 第33-35页 |
| 3.3 基于Kinect正面视角步态特征提取 | 第35-41页 |
| 3.3.1 第一组步态特征集：上肢体关节角度特征集 | 第37-38页 |
| 3.3.2 第二组步态特征集：下肢关节角度特征集 | 第38-40页 |
| 3.3.3 第三组步态特征集：下肢关节点相对位置特征集 | 第40-41页 |
| 3.4 实验及分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于确定学习理论和Kinect特征融合的人体正面步态识别 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 信息融合理论在步态识别技术中的运用 | 第45-49页 |
| 4.2.1 步态识别特征级融合 | 第45-47页 |
| 4.2.2 步态识别决策级融合 | 第47-49页 |
| 4.3 基于确定学习和特征融合的步态识别及实验分析 | 第49-56页 |
| 4.3.1 特征融合步态训练阶段 | 第50-52页 |
| 4.3.2 特征融合步态识别阶段 | 第52-53页 |
| 4.3.3 实验结果分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 步态识别系统需求分析与设计实现 | 第57-69页 |
| 5.1 引言 | 第57页 |
| 5.2 步态识别系统的功能需求分析与流程图设计 | 第57-63页 |
| 5.2.1 系统整体功能需求分析 | 第57-58页 |
| 5.2.2 本系统整体功能流程图 | 第58-60页 |
| 5.2.3 数据采集与特征提取部分功能需求分析 | 第60-63页 |
| 5.3 基于MATLAB实现步态识别系统 | 第63-68页 |
| 5.3.1 整体功能流程图与主界面设计 | 第63-65页 |
| 5.3.2 步态训练功能界面设计与实现 | 第65-66页 |
| 5.3.3 步态识别功能界面设计与实现 | 第66-67页 |
| 5.3.4 步态模式库功能界面设计与实现 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |
