基于步态的身份识别研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1. 绪论 | 第11-23页 |
| ·步态识别研究背景介绍 | 第11-14页 |
| ·步态识别系统的研究意义 | 第14-15页 |
| ·步态识别系统的国内外研究现状 | 第15-16页 |
| ·步态识别系统常用数据库 | 第16-17页 |
| ·步态识别系统概述 | 第17-20页 |
| ·运动人体目标分割 | 第18页 |
| ·周期检测 | 第18-19页 |
| ·步态特征提取 | 第19页 |
| ·步态识别的方法 | 第19-20页 |
| ·融合技术 | 第20页 |
| ·步态识别系统的研究重点与难点 | 第20-21页 |
| ·本文主要工作和章节安排 | 第21-23页 |
| 2. 步态图像序列的预处理 | 第23-33页 |
| ·步态图像中噪声的去除 | 第23-24页 |
| ·运动人体目标的检测与分割 | 第24-30页 |
| ·经典的运动目标分割算法 | 第24-25页 |
| ·改进的运动人体目标提取方法 | 第25-30页 |
| ·步态周期分析 | 第30-32页 |
| ·步态周期的定义 | 第30页 |
| ·步态周期检测 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 3. 基于下肢角度信息的步态特征提取 | 第33-39页 |
| ·引言 | 第33-34页 |
| ·主要关节点的定位 | 第34-37页 |
| ·下肢角度的计算 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4. 基于 DTW 算法的分类识别 | 第39-51页 |
| ·动态时间规整算法 | 第39-42页 |
| ·基于 DTW 算法的步态特征度量 | 第42-43页 |
| ·分类决策 | 第43-44页 |
| ·实验 | 第44-50页 |
| ·步态数据库的选择 | 第44-45页 |
| ·实验结果评价的性能指标 | 第45-46页 |
| ·实验过程 | 第46-47页 |
| ·实验结果与算法性能分析 | 第47-48页 |
| ·与其他算法的分析比较 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5. 基于门限思想的步态与人脸融合算法 | 第51-62页 |
| ·引言 | 第51页 |
| ·信息融合技术 | 第51页 |
| ·信息融合技术在生物识别领域中的应用 | 第51-54页 |
| ·多生物特征融合层次 | 第52-53页 |
| ·多生物特征融合模式 | 第53-54页 |
| ·基于门限思想的融合框架算法 | 第54-56页 |
| ·步态识别与人脸识别处理过程 | 第56-59页 |
| ·步态识别算法简介 | 第56-57页 |
| ·人脸识别算法简介 | 第57页 |
| ·融合算法 | 第57-59页 |
| ·融合算法的实验结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6. 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 部分主要程序 | 第68-77页 |
| 攻读硕士学位期间发表学术论文情况 | 第77-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79-80页 |
