基于图像轮廓多特征融合的步态识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文结构与安排 | 第15-16页 |
| 2 步态图像预处理 | 第16-29页 |
| 2.1 背景减除法实现目标提取 | 第16-26页 |
| 2.1.1 背景建模 | 第17页 |
| 2.1.2 背景减除 | 第17页 |
| 2.1.3 阈值选择 | 第17-19页 |
| 2.1.4 二值化处理 | 第19页 |
| 2.1.5 形态学处理 | 第19-22页 |
| 2.1.6 连通域分析 | 第22页 |
| 2.1.7 归一化及边缘检测 | 第22-26页 |
| 2.2 周期检测 | 第26-28页 |
| 2.2.1 周期定义 | 第26页 |
| 2.2.2 周期检测 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于图像轮廓特征融合的步态特征提取算法 | 第29-42页 |
| 3.1 角度距离特征 | 第29-32页 |
| 3.1.1 主要流程 | 第29页 |
| 3.1.2 特征提取方法 | 第29-32页 |
| 3.2 矩特征 | 第32-36页 |
| 3.2.1 Hu矩理论 | 第32-34页 |
| 3.2.2 Hu不变矩特征提取 | 第34-36页 |
| 3.3 帧差百分比特征 | 第36-38页 |
| 3.3.1 特征提取 | 第37-38页 |
| 3.3.2 特征表示 | 第38页 |
| 3.4 步态特征融合 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于图像轮廓特征的步态分类 | 第42-47页 |
| 4.1 基于图像轮廓特征的最近邻分类识别法 | 第42-43页 |
| 4.1.1 最近邻分类器的相似性度量准则 | 第42页 |
| 4.1.2 最近邻分类器的决策准则 | 第42-43页 |
| 4.2 基于图像轮廓特征的K近邻识别法 | 第43-44页 |
| 4.2.1 KNN法的基本准则 | 第43-44页 |
| 4.2.2 KNN法的判别准则 | 第44页 |
| 4.3 基于图像轮廓特征的改进K近邻识别法 | 第44-46页 |
| 4.3.1 改进K近邻法的权值函数的确定 | 第44-45页 |
| 4.3.2 权值函数的参数选择 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 步态识别实验结果与分析 | 第47-55页 |
| 5.1 实验素材及环境 | 第47-48页 |
| 5.2 实验结果分析 | 第48-54页 |
| 5.2.1 静态特征提取的实验结果与分析 | 第49-50页 |
| 5.2.2 融合特征提取的实验结果与分析 | 第50-54页 |
| 5.3 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
