基于矩特征和BP神经网络的步态识别技术研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第1章 绪论 | 第7-17页 |
| ·生物认证技术 | 第7-8页 |
| ·步态识别 | 第8-16页 |
| ·引言 | 第8-10页 |
| ·步态识别研究的主要内容 | 第10-11页 |
| ·国内外研究现状分析 | 第11-15页 |
| ·步态识别研究的难点 | 第15-16页 |
| ·主要研究内容及论文组织 | 第16-17页 |
| 第2章 图像的矩特征 | 第17-27页 |
| ·几何矩 | 第17-22页 |
| ·几何矩的定义 | 第17-18页 |
| ·各阶几何矩的含义 | 第18-20页 |
| ·矩和图像的变换 | 第20-21页 |
| ·矩不变量 | 第21-22页 |
| ·正交矩 | 第22-24页 |
| ·Legendre矩 | 第22页 |
| ·Zernike矩 | 第22-24页 |
| ·Tchebycheff矩 | 第24页 |
| ·各种矩的性能评价 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 人工神经网络 | 第27-39页 |
| ·人工神经网络的起源与发展状况 | 第27-28页 |
| ·人工神经网络基本理论 | 第28-34页 |
| ·神经元模型 | 第28-29页 |
| ·激励函数 | 第29-30页 |
| ·神经网络基本类型 | 第30-32页 |
| ·神经网络学习方法 | 第32-33页 |
| ·神经网络学习规则 | 第33-34页 |
| ·BP神经网络 | 第34-38页 |
| ·BP神经网络的数学描述 | 第34-36页 |
| ·BP神经网络的设计原则 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于矩特征和BP神经网络的步态识别 | 第39-59页 |
| ·步态检测及预处理 | 第40-43页 |
| ·背景建模 | 第40-41页 |
| ·前景检测 | 第41-42页 |
| ·后处理 | 第42-43页 |
| ·规一化处理 | 第43页 |
| ·轮廓提取 | 第43页 |
| ·步态特征提取 | 第43-51页 |
| ·类别可分性判据 | 第44-46页 |
| ·步态参数分析 | 第46-49页 |
| ·步态特征提取 | 第49-51页 |
| ·步态特征处理 | 第51-54页 |
| ·常用的特征搜索方法 | 第52-53页 |
| ·Hu矩的修正算法 | 第53-54页 |
| ·Zernike、矩的压缩算法 | 第54页 |
| ·分类器设计 | 第54-55页 |
| ·最近邻分类器 | 第54-55页 |
| ·BP神经网络分类器 | 第55页 |
| ·实验结果及分析 | 第55-58页 |
| ·数据获取 | 第55-56页 |
| ·实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表及完成的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
