基于步态的身份识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·步态研究的背景和意义 | 第12-18页 |
| 第二章 隐马尔可夫模型(HMM)介绍 | 第18-28页 |
| ·HMM基本思想 | 第18-20页 |
| ·Markov链 | 第18-19页 |
| ·HMM基本概念 | 第19页 |
| ·HMM定义 | 第19-20页 |
| ·HMM基本算法 | 第20-23页 |
| ·前向—后向算法 | 第20-22页 |
| ·Viterbi算法 | 第22页 |
| ·Baum-Welch算法 | 第22-23页 |
| ·连续型HMM概念 | 第23-25页 |
| ·HMM算法实现中的问题 | 第25-27页 |
| ·初始模型的选取 | 第25页 |
| ·比例因子问题 | 第25-26页 |
| ·多个观察值序列的训练 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于融合的隐马尔可夫步态识别算法 | 第28-43页 |
| ·引言 | 第28页 |
| ·算法简介 | 第28页 |
| ·步态检测 | 第28-31页 |
| ·背景建模 | 第29-30页 |
| ·步态检测 | 第30页 |
| ·步态特征的选取 | 第30-31页 |
| ·步态的周期性分析 | 第31-32页 |
| ·基于隐马尔可夫的步态识别算法 | 第32-37页 |
| ·标本的获取 | 第32-34页 |
| ·步态序列的表达 | 第34-35页 |
| ·建立步态识别的HMM模型 | 第35-37页 |
| ·实验结果与分析 | 第37-42页 |
| ·实验数据来源 | 第37-38页 |
| ·实验过程 | 第38-42页 |
| ·小结 | 第42-43页 |
| 第四章 多视角的步态识别算法 | 第43-59页 |
| ·引言 | 第43页 |
| ·相关知识介绍 | 第43-48页 |
| ·图像坐标系，摄像机坐标系与地平面坐标系 | 第43-45页 |
| ·线性摄像机模型(针孔模型) | 第45-46页 |
| ·三维速度场和二维运动场 | 第46-48页 |
| ·算法框架简介 | 第48-49页 |
| ·算法描述 | 第49-55页 |
| ·摄像机标定 | 第49-50页 |
| ·估算方位角 | 第50-54页 |
| ·坐标转换 | 第54-55页 |
| ·应用于步态识别 | 第55页 |
| ·实验结果和数据分析 | 第55-58页 |
| ·实验数据来源 | 第55-56页 |
| ·实验过程 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·本文主要工作 | 第59-60页 |
| ·对未来工作的展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士期间发表的论文 | 第66页 |
