基于计算机视觉的步态特征提取与身份识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图和附表清单 | 第11-13页 |
| 引言 | 第13-19页 |
| 课题研究背景 | 第13-15页 |
| 本文的主要研究内容 | 第15-17页 |
| 本文的主要创新点 | 第17-19页 |
| 1 文献综述 | 第19-36页 |
| ·基于视觉的人体运动分析 | 第19-24页 |
| ·运动检测 | 第20-21页 |
| ·目标分类 | 第21-22页 |
| ·人的跟踪 | 第22页 |
| ·行为理解和描述 | 第22-24页 |
| ·步态的生物力学分析 | 第24-26页 |
| ·基于步态的身份识别简介 | 第26-36页 |
| ·生物特征识别 | 第26-32页 |
| ·基于步态的身份识别技术 | 第32-36页 |
| 2 复杂背景下的运动人体检测 | 第36-58页 |
| ·引言 | 第36-37页 |
| ·自适应背景建模 | 第37-39页 |
| ·背景建模 | 第37-38页 |
| ·基于动态信息窗口的背景更新 | 第38-39页 |
| ·计算颜色模型 | 第39-50页 |
| ·视觉中的颜色问题 | 第39-49页 |
| ·阴影消除的颜色模型 | 第49-50页 |
| ·背景减除 | 第50-53页 |
| ·自适应背景减除方案 | 第50-51页 |
| ·阴影消除 | 第51页 |
| ·人体区域提取 | 第51-53页 |
| ·实验 | 第53-57页 |
| ·小结 | 第57-58页 |
| 3 状态空间步态特征提取与识别 | 第58-85页 |
| ·引言 | 第58页 |
| ·傅立叶算子轮廓线描述 | 第58-63页 |
| ·运动人体的轮廓线提取 | 第59-61页 |
| ·应用傅立叶描述子处理轮廓线 | 第61-63页 |
| ·步态序列的K—均值聚类分析 | 第63-67页 |
| ·基于隐马尔可夫模型的步态识别 | 第67-80页 |
| ·隐马尔可夫模型算法 | 第68-77页 |
| ·步态的HMMs建模和识别 | 第77-80页 |
| ·实验 | 第80-84页 |
| ·小结 | 第84-85页 |
| 4 全局分布步态特征提取与识别 | 第85-113页 |
| ·引言 | 第85页 |
| ·轮廓投影提取特征 | 第85-87页 |
| ·基于线性判别分析的步态特征压缩 | 第87-94页 |
| ·线性鉴别分析算法 | 第87-93页 |
| ·基于LDA的特征压缩 | 第93-94页 |
| ·基于支持向量机的步态识别 | 第94-104页 |
| ·支持向量机算法 | 第94-103页 |
| ·SVM分类器的设计 | 第103-104页 |
| ·实验 | 第104-112页 |
| ·小结 | 第112-113页 |
| 5 步态识别原型系统的设计与实现 | 第113-134页 |
| ·引言 | 第113页 |
| ·系统总体设计 | 第113-116页 |
| ·系统算法设计 | 第116-128页 |
| ·人体区域标记的快速算法 | 第117-121页 |
| ·傅立叶描述子快速算法 | 第121-128页 |
| ·匹配识别算法 | 第128页 |
| ·系统实现与测试 | 第128-133页 |
| ·系统实现 | 第129-132页 |
| ·系统测试 | 第132-133页 |
| ·小结 | 第133-134页 |
| 结论 | 第134-137页 |
| 参考文献 | 第137-146页 |
| 在学研究成果 | 第146-148页 |
| 致谢 | 第148页 |
