| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·步态识别的研究现状 | 第7-10页 |
| ·步态分割与分类 | 第8-9页 |
| ·特征表征 | 第9-10页 |
| ·步态特征识别 | 第10页 |
| ·课题的主要研究内容 | 第10-13页 |
| 2 图像预处理及后处理 | 第13-23页 |
| ·图像预处理 | 第13-18页 |
| ·背景提取 | 第13-14页 |
| ·运动目标检测 | 第14-15页 |
| ·阴影消除 | 第15-17页 |
| ·灰度化 | 第17-18页 |
| ·图像后处理 | 第18-23页 |
| ·中值滤波 | 第18页 |
| ·连通性分析 | 第18-19页 |
| ·人体区域标准化 | 第19-20页 |
| ·步态周期的获取 | 第20-23页 |
| 3 步态特征提取 | 第23-35页 |
| ·步态能量图像(GEI) | 第23-24页 |
| ·动态步态能量图像(DGEI) | 第24页 |
| ·不同视角下动态步态能量图像的提取 | 第24-26页 |
| ·侧面视角(90度)和斜侧视角(45度)下DGEI的获取 | 第25页 |
| ·正面视角(0度)下DGEI的获取 | 第25-26页 |
| ·背包情况下人体步态特征的提取 | 第26页 |
| ·特征空间的维数约简—机器学习 | 第26-30页 |
| ·主成分分析(PCA) | 第27-28页 |
| ·流形学习----局部保留投影(LPP) | 第28-29页 |
| ·利用局部保留投影进行特征降维 | 第29-30页 |
| ·单一视角下识别结果及分析 | 第30-35页 |
| 4 多视角下的信息融合识别 | 第35-43页 |
| ·信息融合概述 | 第35-37页 |
| ·数据层融合 | 第35页 |
| ·特征层融合 | 第35-36页 |
| ·决策层融合 | 第36-37页 |
| ·Dempster-Shafer(D-S)证据理论 | 第37-38页 |
| ·Dempster-Shafer(D-S)证据理论在决策层融合中的应用 | 第38-39页 |
| ·多视角下信息融合的步态识别 | 第39-43页 |
| 5 在线步态识别系统的搭建 | 第43-49页 |
| ·在线步态识别系统的设计及建立 | 第43-45页 |
| ·在线识别结果及分析 | 第45-49页 |
| 6 总结与展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 在校期间发表的论文 | 第57页 |
