步态识别关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 步态识别研究背景及研究意义 | 第8-9页 |
| 1.2 步态识别系统原理 | 第9-10页 |
| 1.3 步态识别关键技术现状 | 第10-16页 |
| 1.3.1 运动目标检测 | 第10页 |
| 1.3.2 步态特征提取 | 第10-15页 |
| 1.3.3 分类判决 | 第15-16页 |
| 1.4 步态识别的影响因素 | 第16-17页 |
| 1.5 本文研究内容与章节结构安排 | 第17-19页 |
| 第二章 图像序列预处理 | 第19-32页 |
| 2.1 运动目标检测 | 第19-22页 |
| 2.2 运动目标的二值化处理 | 第22-23页 |
| 2.3 改进的基于自适应阈值背景减除法 | 第23-27页 |
| 2.4 改进的Canny边缘检测 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 步态特征提取 | 第32-49页 |
| 3.1 特征提取算法概述 | 第32-35页 |
| 3.1.1 步态静态特征提取 | 第32-34页 |
| 3.1.2 步态动态特征提取 | 第34-35页 |
| 3.2 基于轮廓的步态特征提取 | 第35-38页 |
| 3.3 步态周期特征提取 | 第38-40页 |
| 3.4 步态关节角度特征提取 | 第40-43页 |
| 3.5 基于PCA的步态面积特征降维 | 第43-45页 |
| 3.6 步态角度特征的DCT变换 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 步态识别 | 第49-65页 |
| 4.1 分类器选择 | 第49-53页 |
| 4.1.1 最近邻分类器 | 第49-50页 |
| 4.1.2 支持向量机 | 第50-52页 |
| 4.1.3 支持向量机相关参数选择 | 第52-53页 |
| 4.2 步态识别系统性能指标 | 第53-54页 |
| 4.3 单一特征步态识别 | 第54-56页 |
| 4.4 动静态特征融合步态识别 | 第56-58页 |
| 4.5 实验结果分析 | 第58-64页 |
| 4.5.1 特征维数的选择 | 第59-60页 |
| 4.5.2 单一特征/多特征实验 | 第60页 |
| 4.5.3 步态图像帧数不同情况下的实验 | 第60-61页 |
| 4.5.4 行走方向不同情况下的实验 | 第61-62页 |
| 4.5.5 分类器不同情况下的实验 | 第62-63页 |
| 4.5.6 与其他方法的比较实验 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-68页 |
| 5.1 本文工作总结 | 第65-66页 |
| 5.2 对未来工作的展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录1 程序清单 | 第71-72页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 致谢 | 第73页 |
