| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景及意义 | 第8-9页 |
| ·步态识别主要研究内容及研究现状 | 第9-15页 |
| ·本文所做的研究工作 | 第15-16页 |
| ·章节安排 | 第16-17页 |
| 第二章 人体运动跟踪 | 第17-26页 |
| ·概述 | 第17-18页 |
| ·基于自适应CamShift和kalman滤波混合的跟踪算法 | 第18-22页 |
| ·kalman滤波算法 | 第18-19页 |
| ·自适应CamShift算法 | 第19-22页 |
| ·自适应CamShift和kalman滤波在步态识别中的应用 | 第22-23页 |
| ·实验 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 运动人体轮廓提取 | 第26-35页 |
| ·概述 | 第26-28页 |
| ·活动轮廓模型 | 第28-31页 |
| ·Snake模型 | 第29-30页 |
| ·基于Snake模型的图像分割 | 第30-31页 |
| ·人体的Snake初始轮廓的确定 | 第31-33页 |
| ·基于多尺度的轮廓模型构造 | 第32页 |
| ·Snake初始轮廓确立 | 第32-33页 |
| ·实验 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 步态特征选取 | 第35-44页 |
| ·概述 | 第35-36页 |
| ·步态周期分析及关键帧提取 | 第36-37页 |
| ·步态轮廓归一化 | 第37-38页 |
| ·步态特征 | 第38-41页 |
| ·基于统计方法的特征 | 第38-39页 |
| ·基于模型方法的特征 | 第39-41页 |
| ·实验 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第五章 人体步态识别 | 第44-56页 |
| ·概述 | 第44-45页 |
| ·VA-file算法基本理论 | 第45-51页 |
| ·K-L变换 | 第46-47页 |
| ·VA-File近似位数分配 | 第47-48页 |
| ·VA-File数据集量化 | 第48页 |
| ·VA-File索引结构 | 第48-50页 |
| ·近邻搜索算法 | 第50-51页 |
| ·基于VA-file和K-近邻法的步态识别 | 第51-52页 |
| ·k近邻法 | 第51页 |
| ·VA-file算法和k-近邻法在步态识别中的应用 | 第51-52页 |
| ·实验 | 第52-54页 |
| ·小结 | 第54-56页 |
| 第六章 结论与展望 | 第56-58页 |
| ·本文工作总结 | 第56-57页 |
| ·未来工作的展望 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的主要研究成果 | 第66页 |
