基于人体步态轮廓的步态识别关键技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-21页 |
| ·生物特征识别技术 | 第13页 |
| ·步态识别 | 第13-15页 |
| ·步态识别的应用 | 第15页 |
| ·智能监控应用 | 第15页 |
| ·计算人体行为分析 | 第15页 |
| ·步态识别的研究现状 | 第15-17页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17页 |
| ·步态识别研究的内容 | 第17-19页 |
| ·运动分割 | 第17页 |
| ·特征提取和处理 | 第17页 |
| ·模式分类识别 | 第17-18页 |
| ·步态数据库 | 第18-19页 |
| ·论文的选题和内容安排 | 第19-21页 |
| ·论文的选题 | 第19页 |
| ·论文的内容安排 | 第19-21页 |
| 第二章 步态识别的理论与方法 | 第21-33页 |
| ·步态的定义 | 第21-23页 |
| ·运动目标分割方法 | 第23-24页 |
| ·背景减除方法 | 第23-24页 |
| ·时域差分法 | 第24页 |
| ·时空梯度法 | 第24页 |
| ·步态特征提取 | 第24-28页 |
| ·基于模型的方法 | 第25-27页 |
| ·基于整体的方法 | 第27-28页 |
| ·步态模式分类 | 第28-32页 |
| ·统计模式识别方法 | 第28-30页 |
| ·句法模式识别法 | 第30页 |
| ·模糊模式识别 | 第30页 |
| ·支持向量机(SVM)的分类算法 | 第30-31页 |
| ·神经网络分类方法 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 步态运动分割与图像预处理 | 第33-41页 |
| ·背景减除方法及背景建模 | 第33-34页 |
| ·差分及二值化 | 第34页 |
| ·形态学处理 | 第34-36页 |
| ·腐蚀 | 第34-35页 |
| ·膨胀 | 第35页 |
| ·开运算和闭运算 | 第35-36页 |
| ·图像连通处理 | 第36-37页 |
| ·人影消除 | 第37-38页 |
| ·轮廓提取及跟踪 | 第38-39页 |
| ·小结 | 第39-41页 |
| 第四章 步态特征提取 | 第41-54页 |
| ·概述 | 第41-42页 |
| ·步态周期性分析及关键帧提取 | 第42-45页 |
| ·人体运动轮廓的分割与跟踪 | 第42-43页 |
| ·步态周期性分析 | 第43-44页 |
| ·提取运动关键帧 | 第44-45页 |
| ·形状特征的描述及傅立叶描述子 | 第45-53页 |
| ·步态轮廓的傅立叶描述 | 第50-51页 |
| ·步态特征的提取 | 第51-52页 |
| ·特征变换和训练 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第五章 步态特征分类识别及实例验证 | 第54-60页 |
| ·概述 | 第54页 |
| ·最邻近法 | 第54-55页 |
| ·分类识别 | 第55-56页 |
| ·时空相关度量 | 第55-56页 |
| ·归一化欧式距离度量 | 第56页 |
| ·分类器 | 第56页 |
| ·实验结果 | 第56-59页 |
| ·步态数据集 | 第56-57页 |
| ·训练及测试 | 第57页 |
| ·性能评估与结果分析 | 第57-58页 |
| ·算法比较 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-63页 |
| ·论文总结 | 第60页 |
| ·目前研究的难点 | 第60-61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 硕士期间发表的论文 | 第68页 |
