| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 生物特征识别 | 第8-10页 |
| 1.2 步态特征识别 | 第10-16页 |
| 1.2.1 步态特征识别的研究背景与意义 | 第11-12页 |
| 1.2.2 步态特征识别的研究内容与现状 | 第12-16页 |
| 1.3 本文研究内容与论文结构 | 第16-19页 |
| 第二章 人体模型知识的学习和表示 | 第19-26页 |
| 2.1 人体几何模型 | 第19-23页 |
| 2.1.1 模型坐标系 | 第20-23页 |
| 2.1.2 模型的参数表示 | 第23页 |
| 2.2 三维步态模型 | 第23-25页 |
| 2.3 小结 | 第25-26页 |
| 第三章 运动图像跟踪中的姿态评价 | 第26-41页 |
| 3.1 图像特征的抽取 | 第26-36页 |
| 3.1.1 图像二值化 | 第26-28页 |
| 3.1.2 形态学处理 | 第28-29页 |
| 3.1.3 运动人体轮廓提取 | 第29-33页 |
| 3.1.4 步态周期的划分与关键帧的确定 | 第33-36页 |
| 3.2 姿态评价函数 | 第36-39页 |
| 3.2.1 边缘匹配误差 | 第36-38页 |
| 3.2.2 区域匹配误差 | 第38页 |
| 3.2.3 姿态评价函数 | 第38-39页 |
| 3.3 小结 | 第39-41页 |
| 第四章 基于三维模型跟踪的红外步态特征提取 | 第41-49页 |
| 4.1 层次化的搜索 | 第41-43页 |
| 4.2 全局位置计算 | 第43页 |
| 4.3 关节角度估计 | 第43-47页 |
| 4.3.1 弹力计算 | 第44-46页 |
| 4.3.2 增量计算 | 第46-47页 |
| 4.4 实验跟踪结果 | 第47-48页 |
| 4.5 小结 | 第48-49页 |
| 第五章 基于二维Radon 变换的红外步态特征提取 | 第49-55页 |
| 5.1 Radon 变换 | 第49-53页 |
| 5.1.1 Radon 变换定义 | 第49-50页 |
| 5.1.2 使用Radon 变换提取二维步态图像特征 | 第50-53页 |
| 5.2 数据融合策略 | 第53-54页 |
| 5.3 小结 | 第54-55页 |
| 第六章 基于混合维度特征的红外步态识别 | 第55-73页 |
| 6.1 支持向量机分类器 | 第55-64页 |
| 6.1.1 支持向量机原理 | 第55-62页 |
| 6.1.2 支持向量机的核函数 | 第62-63页 |
| 6.1.3 K-折交叉验证 | 第63-64页 |
| 6.2 K-means 聚类算法 | 第64-65页 |
| 6.2.1 K-均值聚类算法简介 | 第64页 |
| 6.2.2 K-均值聚类算法基本思想及算法流程 | 第64-65页 |
| 6.3 实验结果分析 | 第65-72页 |
| 6.3.1 实验数据 | 第65-67页 |
| 6.3.2 实验结果 | 第67-70页 |
| 6.3.3 实验结果分析 | 第70-72页 |
| 6.4 小结 | 第72-73页 |
| 第七章 总结与展望 | 第73-76页 |
| 7.1 工作总结 | 第73-74页 |
| 7.2 工作展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 发表论文和科研情况说明 | 第79-80页 |
| 致谢 | 第80页 |