基于确定学习理论的步态识别与步态对称性研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文内容及结构介绍 | 第14-15页 |
| 第二章 确定学习理论 | 第15-23页 |
| 2.1 引言 | 第15-16页 |
| 2.2 确定学习理论介绍 | 第16-22页 |
| 2.2.1 RBF神经网络 | 第16-18页 |
| 2.2.2 持续激励条件 | 第18-19页 |
| 2.2.3 连续系统的确定学习 | 第19-20页 |
| 2.2.4 动态模式的快速识别 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于确定学习的步态识别应用 | 第23-36页 |
| 3.1 引言 | 第23页 |
| 3.2 步态识别算法 | 第23-25页 |
| 3.2.1 基于模型的方法 | 第23-24页 |
| 3.2.2 非模型的方法 | 第24-25页 |
| 3.3 基于Kinect2.0的步态特征提取 | 第25-31页 |
| 3.3.1 Kinect2.0介绍 | 第25-28页 |
| 3.3.2 步态数据采集 | 第28-29页 |
| 3.3.3 步态特征提取 | 第29-31页 |
| 3.4 步态识别的学习和识别机制 | 第31-35页 |
| 3.4.1 步态学习机制 | 第32-33页 |
| 3.4.2 步态识别机制 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 人类步态识别系统的设计与实现 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 开发工具介绍 | 第36-37页 |
| 4.3 系统设计 | 第37-41页 |
| 4.3.1 系统功能需求分析 | 第37-38页 |
| 4.3.2 系统数据流图 | 第38-39页 |
| 4.3.3 系统文件结构 | 第39-41页 |
| 4.4 系统模块介绍 | 第41-46页 |
| 4.4.1 数据采集 | 第42-43页 |
| 4.4.2 步态训练 | 第43-44页 |
| 4.4.3 步态识别 | 第44-45页 |
| 4.4.4 步态分析 | 第45-46页 |
| 4.5 实验分析 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于确定学习的步态对称性度量方法 | 第48-65页 |
| 5.1 引言 | 第48-49页 |
| 5.2 步态对称性介绍 | 第49-53页 |
| 5.3 步态对称性度量方法 | 第53-60页 |
| 5.3.1 对称性数据采集 | 第53-54页 |
| 5.3.2 对称性特征提取 | 第54-59页 |
| 5.3.3 基于确定学习的步态对称性度量 | 第59-60页 |
| 5.4 实验分析 | 第60-63页 |
| 5.5 本章小结 | 第63-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
