| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 主要研究内容及工作 | 第16-17页 |
| 1.4 结构安排 | 第17-18页 |
| 2 运动人体目标检测 | 第18-32页 |
| 2.1 运动人体目标检测方法 | 第18-23页 |
| 2.1.1 帧间差法 | 第18-19页 |
| 2.1.2 背景减除法 | 第19-21页 |
| 2.1.3 光流法 | 第21-22页 |
| 2.1.4 VIBE算法 | 第22-23页 |
| 2.1.5 混合高斯模型法 | 第23页 |
| 2.2 基于混合高斯模型的运动人体目标检测 | 第23-27页 |
| 2.2.1 混合高斯建模 | 第23-25页 |
| 2.2.2 运动人体目标区域预处理 | 第25-27页 |
| 2.3 仿真实验与分析 | 第27-30页 |
| 2.3.1 运动人体目标检测 | 第28-29页 |
| 2.3.2 预处理 | 第29-30页 |
| 2.4 小结 | 第30-32页 |
| 3 步态特征提取 | 第32-50页 |
| 3.1 步态特征提取方法 | 第32-34页 |
| 3.1.1 基于模型的步态特征提取方法 | 第32-34页 |
| 3.1.2 基于非模型的步态特征提取方法 | 第34页 |
| 3.2 步态周期特征 | 第34-37页 |
| 3.2.1 基于质心坐标的周期检测 | 第35-36页 |
| 3.2.2 改进的基于下肢轮廓摆动距离的周期检测方法 | 第36-37页 |
| 3.3 关节角度特征提取 | 第37-43页 |
| 3.3.1 关节角度提取方法概述 | 第38-39页 |
| 3.3.2 下肢关节点定位 | 第39-43页 |
| 3.4 步态能量图 | 第43-47页 |
| 3.4.1 步态能量图提取 | 第44-45页 |
| 3.4.2 能量图特征降维 | 第45-47页 |
| 3.5 仿真实验 | 第47-49页 |
| 3.5.1 步态周期提取 | 第47-48页 |
| 3.5.2 关节角度特征提取 | 第48-49页 |
| 3.5.3 步态能量图提取 | 第49页 |
| 3.6 本章小结 | 第49-50页 |
| 4 特征融合与步态分类识别 | 第50-61页 |
| 4.1 多特征融合 | 第50-53页 |
| 4.1.1 信息融合 | 第50-51页 |
| 4.1.2 步态特征融合 | 第51页 |
| 4.1.3 构造特征向量 | 第51-53页 |
| 4.2 分类器设计 | 第53-56页 |
| 4.2.1 分类器 | 第53-55页 |
| 4.2.2 本文的分类器 | 第55-56页 |
| 4.3 仿真实验结果与分析 | 第56-60页 |
| 4.3.1 数据库选择 | 第56-57页 |
| 4.3.2 仿真实验结果与分析 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 步态行为分析软件设计与实现 | 第61-70页 |
| 5.1 仿真环境 | 第61页 |
| 5.2 需求分析 | 第61-62页 |
| 5.3 软件设计 | 第62-65页 |
| 5.3.1 用户登录模块 | 第62-63页 |
| 5.3.2 运动目标检测模块 | 第63页 |
| 5.3.3 步态特征提取模块 | 第63-64页 |
| 5.3.4 分类器训练与识别模块 | 第64-65页 |
| 5.4 软件实现 | 第65-70页 |
| 5.4.1 用户登录界面 | 第65-66页 |
| 5.4.2 运动目标检测模块 | 第66页 |
| 5.4.3 步态特征提取模块 | 第66-69页 |
| 5.4.4 分类器训练与识别模块 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 在学研究成果 | 第76-77页 |
| 致谢 | 第77页 |