基于步态识别的交通线路监控
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-16页 |
| ·研究背景 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·铁路交通监控的总体框架 | 第14-15页 |
| ·论文内容组织 | 第15-16页 |
| 2 铁路交通预警 | 第16-33页 |
| ·运动目标检测 | 第16-22页 |
| ·边缘检测 | 第17-19页 |
| ·阈值分割 | 第19-21页 |
| ·区域分割 | 第21页 |
| ·形态学去噪 | 第21-22页 |
| ·图像序列编码 | 第22-27页 |
| ·哈夫曼编码 | 第22-25页 |
| ·香农—费诺编码 | 第25-26页 |
| ·算术编码 | 第26-27页 |
| ·特征提取 | 第27-28页 |
| ·基于统计的方法 | 第27-28页 |
| ·基于模型的方法 | 第28页 |
| ·模式分类和识别 | 第28-30页 |
| ·最近邻分类器 | 第29页 |
| ·支持向量机 | 第29-30页 |
| ·BP神经网络 | 第30页 |
| ·常用的步态数据库 | 第30-33页 |
| ·UCSD数据库 | 第31页 |
| ·USF数据库 | 第31-32页 |
| ·CASIA数据库 | 第32-33页 |
| ·小结 | 第33页 |
| 3 视频序列的预处理 | 第33-40页 |
| ·背景提取 | 第33-34页 |
| ·运动目标检测与分割 | 第34-37页 |
| ·帧间差分法 | 第34页 |
| ·背景差分法 | 第34-37页 |
| ·人体区域归一化 | 第37-38页 |
| ·步态周期检测 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4 基于Fisher判别法的步态识别 | 第40-51页 |
| ·基于轮廓特征的步态识别 | 第40-42页 |
| ·Fisher判别法简介 | 第42页 |
| ·特征空间变换 | 第42-44页 |
| ·利用Fisher判别法放大步态特征 | 第44-46页 |
| ·匹配和分类 | 第46-49页 |
| ·改进的最近邻分类器 | 第46-48页 |
| ·算法评估系统 | 第48-49页 |
| ·实验数据 | 第49-50页 |
| ·小结 | 第50-51页 |
| 5 结论 | 第51-53页 |
| ·内容总结 | 第51页 |
| ·创新之处 | 第51页 |
| ·工作展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 作者简历 | 第55-57页 |
| 学位论文数据集 | 第57页 |
