复杂场景下步态识别技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·背景及研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·人体检测 | 第11-12页 |
| ·人体跟踪 | 第12-14页 |
| ·步态特征提取 | 第14-15页 |
| ·现存的问题 | 第15-16页 |
| ·论文的主要工作内容 | 第16-17页 |
| ·论文的组织结构 | 第17-18页 |
| 第2章 基于混合高斯模型的 HOG 人体检测研究 | 第18-34页 |
| ·运动目标检测方法 | 第18-19页 |
| ·光流法 | 第18页 |
| ·帧间差分法 | 第18-19页 |
| ·背景减除法 | 第19页 |
| ·基于混合高斯模型的运动目标检测 | 第19-25页 |
| ·混合高斯模型工作原理 | 第19-21页 |
| ·改进的混合高斯模型 | 第21-22页 |
| ·二值化 | 第22-23页 |
| ·后处理 | 第23-25页 |
| ·基于 HOG 特征的人体检测 | 第25-30页 |
| ·HOG 特征 | 第25-27页 |
| ·基于 HOG 的人体检测 | 第27-30页 |
| ·实验结果及分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于粒子滤波的人体跟踪研究 | 第34-52页 |
| ·粒子滤波理论 | 第34-38页 |
| ·贝叶斯概率框架 | 第34-36页 |
| ·序列重要性采样 | 第36-37页 |
| ·重采样 | 第37-38页 |
| ·基于粒子滤波的目标跟踪 | 第38-46页 |
| ·运动模型 | 第38-39页 |
| ·观测模型 | 第39-41页 |
| ·粒子重采样 | 第41-42页 |
| ·改进的粒子滤波目标跟踪 | 第42-45页 |
| ·人体跟踪算法描述 | 第45-46页 |
| ·步态周期检测 | 第46-48页 |
| ·图像标准化 | 第48-49页 |
| ·实验结果及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 步态特征提取与识别研究 | 第52-64页 |
| ·能量图 | 第52-55页 |
| ·步态能量图 | 第52-53页 |
| ·静态能量图 | 第53-54页 |
| ·增强的步态能量图 | 第54-55页 |
| ·主成分分析 | 第55-58页 |
| ·PCA | 第55-56页 |
| ·二维 PCA | 第56-58页 |
| ·信息融合及其规则 | 第58-59页 |
| ·实验结果及分析 | 第59-63页 |
| ·静态能量图进行识别 | 第59-60页 |
| ·增强步态能量图进行识别 | 第60-61页 |
| ·两种特征融合进行识别 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |
