基于特征融合的多视角步态识别方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景及意义 | 第11-13页 |
| ·国内外研究现状综述 | 第13-15页 |
| ·步态研究难点 | 第15-16页 |
| ·本文研究主要内容 | 第16-17页 |
| 第2章 预处理及步态周期检测 | 第17-27页 |
| ·运动目标检测 | 第17-18页 |
| ·形态学处理 | 第18-22页 |
| ·膨胀 | 第19-20页 |
| ·腐蚀 | 第20页 |
| ·开运算和闭运算 | 第20-22页 |
| ·连通区域分析 | 第22-23页 |
| ·边缘检测 | 第23-24页 |
| ·步态周期检测 | 第24-25页 |
| ·图像标准化 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 不同算法的步态特征提取 | 第27-42页 |
| ·Procrustes 均值形状特征提取 | 第27-33页 |
| ·轮廓采样 | 第27-29页 |
| ·提取 Procrustes 均值形状 | 第29-33页 |
| ·动态特征提取 | 第33-41页 |
| ·动作能量图（AEI） | 第33-34页 |
| ·步态能量图（GEI） | 第34-35页 |
| ·Fan-Beam 变换 | 第35-37页 |
| ·主成分分析 | 第37-39页 |
| ·二维主成分分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 特征融合及分类识别 | 第42-56页 |
| ·融合算法 | 第43-49页 |
| ·数据级融合算法 | 第43页 |
| ·特征级融合算法 | 第43-44页 |
| ·决策级融合算法 | 第44-49页 |
| ·分类器的选择 | 第49-51页 |
| ·最近邻分类器（NN） | 第50-51页 |
| ·K 近邻分类器（KNN） | 第51页 |
| ·实验结果及分析 | 第51-55页 |
| ·实验数据库 | 第51-52页 |
| ·实验流程 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
