| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-13页 |
| 1.2.1 步态识别研究动态 | 第11-12页 |
| 1.2.2 人脸识别研究动态 | 第12页 |
| 1.2.3 融合人脸和步态身份识别研究 | 第12-13页 |
| 1.3 存在的问题及难点 | 第13-14页 |
| 1.4 本文主要工作及内容安排 | 第14-15页 |
| 第2章 本文总体方案设计 | 第15-19页 |
| 2.1 研究方案和技术路线 | 第15页 |
| 2.2 步态识别模块 | 第15-16页 |
| 2.3 人脸识别模块 | 第16-17页 |
| 2.4 多生物特征融合识别 | 第17-18页 |
| 2.5 人脸与步态特征融合方案选择 | 第18页 |
| 2.6 本章小结 | 第18-19页 |
| 第3章 步态和人脸的特征提取与分类 | 第19-31页 |
| 3.1 步态视频数据库的选取 | 第19-20页 |
| 3.1.1 步态识别研究常用数据库 | 第19-20页 |
| 3.2 二值步态轮廓图像归一化 | 第20-22页 |
| 3.3 步态特征提取 | 第22-25页 |
| 3.3.1 计算步态周期 | 第22页 |
| 3.3.2 步态能量图 | 第22-23页 |
| 3.3.3 动态能量矩阵 | 第23-24页 |
| 3.3.4 步态特征提取与分类 | 第24-25页 |
| 3.5 人脸检测与分类识别 | 第25-27页 |
| 3.5.1 Adaboost人脸检测 | 第25页 |
| 3.5.2 Haar-Like特征 | 第25页 |
| 3.5.3 分类器的训练 | 第25-26页 |
| 3.5.4 基于Open Cv的Adaboost人脸检测 | 第26-27页 |
| 3.6 从视频帧中获得标准化人脸图像 | 第27-28页 |
| 3.7 基于NMF的人脸特征提取与识别 | 第28-30页 |
| 3.8 本章小结 | 第30-31页 |
| 第4章 基于决策层的人脸和步态自适应融合 | 第31-44页 |
| 4.1 多生物特征融合系统概述 | 第31-33页 |
| 4.1.1 融合算法介绍 | 第31-33页 |
| 4.2 步态与人脸的匹配值归一化 | 第33-35页 |
| 4.2.1 归一化算法介绍 | 第33页 |
| 4.2.2 线性匹配值归一化 | 第33-35页 |
| 4.3 步态与人脸基于决策层的自适应融合 | 第35-36页 |
| 4.4 存在的具体问题与解决 | 第36-39页 |
| 4.4.1 超分辨率重建 | 第36页 |
| 4.4.2 本研究中所采用的SR重建算法 | 第36页 |
| 4.4.3 POCS超分辨率重建 | 第36-38页 |
| 4.4.5 基于超分辨率图像重建的人脸识别 | 第38页 |
| 4.4.6 非数据库中人物身份识别 | 第38-39页 |
| 4.5 实验结果与分析 | 第39-42页 |
| 4.6 本章小结 | 第42-44页 |
| 第5章 结论与展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第49-50页 |
| 致谢 | 第50页 |