基于帧间变化向量的步态识别
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-21页 |
| ·生物特征识别 | 第11-12页 |
| ·新兴的步态识别 | 第12-14页 |
| ·人的步态分析在生物特征识别中的应用 | 第14-17页 |
| ·步态的可靠性 | 第15-16页 |
| ·步态识别的典型应用 | 第16-17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的组织结构 | 第18-21页 |
| 第二章 步态识别技术 | 第21-33页 |
| ·步态识别的问题描述 | 第21-22页 |
| ·假设条件 | 第22-23页 |
| ·早期的步态识别算法 | 第23-28页 |
| ·基于模型的步态识别算法 | 第24-26页 |
| ·免于模型的步态识别算法 | 第26-28页 |
| ·步态识别中的难点问题 | 第28-29页 |
| ·步态识别的发展趋势 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 改进的基于贝叶斯模型的运动人体检测算法 | 第33-65页 |
| ·引言 | 第33页 |
| ·几种经典的运动目标检测算法 | 第33-47页 |
| ·光流法 | 第34-37页 |
| ·背景减除法 | 第37-47页 |
| ·改进的基于贝叶斯模型和SRG的运动目标检测算法 | 第47-60页 |
| ·基于贝叶斯模型的运动目标检测 | 第48-57页 |
| ·融合了SRG的Bayes模型的运动目标检测 | 第57-60页 |
| ·实验结果及分析 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 基于帧间变化向量的步态识别 | 第65-87页 |
| ·引言 | 第65-67页 |
| ·算法原理 | 第67-68页 |
| ·步态检测 | 第68-69页 |
| ·步态周期性分析 | 第69-74页 |
| ·IVV特征提取 | 第74-80页 |
| ·1D距离描述 | 第74-76页 |
| ·特征空间投影 | 第76-78页 |
| ·IVV特征提取 | 第78-80页 |
| ·分类和识别 | 第80-81页 |
| ·相似性度量 | 第80页 |
| ·分类器 | 第80-81页 |
| ·实验结果及分析 | 第81-85页 |
| ·步态数据库 | 第81页 |
| ·训练和投影 | 第81-82页 |
| ·结果与分析 | 第82-85页 |
| ·本章小结 | 第85-87页 |
| 第五章 总结和展望 | 第87-91页 |
| ·研究工作总结 | 第87-88页 |
| ·未来展望 | 第88-91页 |
| 参考文献 | 第91-101页 |
| 致谢 | 第101-103页 |
| 硕士期间发表的论文 | 第103-104页 |
| 学位论文评阅及答辩情况表 | 第104页 |
