声明
摘要
第一章 绪论
1.1 研究背景和意义
1.2 论文研究关键技术
1.3 关键技术的研究现状
1.3.1 步态数据库
1.3.2 人体与背景分离方法
1.3.3 步态特征提取与表示方法
1.3.4 步态特征比对方法
1.3.5 步态识别评价标准
1.4 论文研究的主要内容
第二章 建立多信息步态数据库
2.1 目前所用步态数据库存在的问题
2.2 建立多信息步态数据库
2.2.1 原始步态数据库的建立方法
2.2.2 多信息原始步态数据库的数据结构
2.3 专用步态特征数据库的建立方法
2.3.1 消除背景,得到人体区域图
2.3.2 提取特征帧
2.3.3 将人体区域二值图象转换为人体轮廓线二值图象
2.3.4 对图象标准化
2.3.5 提取步态特征
2.4 待识别人的步态信息的获取方法
2.5 本章小结
第三章 结构化步态特征表征和步态识别方法
3.1 结构化步态特征
3.1.1 结构化步态特征形式化语言定义
3.1.2 步态数据库中结构化步态特征的获取与存储
3.1.3 待识别人结构化步态特征的获取
3.2 以弱周期性时空能量图表示步态信息
3.2.1 弱周期性
3.2.2 弱周期性步态序列的时空能量图构成
3.2.3 STE对噪声干扰不敏感
3.3 步态识别算法描述
3.4 实验及分析
3.4.1 结构化步态特征与单信息步态特征进行身份识别对比实验
3.4.2 结构化步态特征与其他单信息步态特征身份识别对比实验
3.4.3 弱周期性实验一:起始帧不同对步态识别效果的影响
3.4.4 弱周期性实验二:步态周期分析方法对步态识别性能的影响
3.5 本章小结
第四章 基于小波变换与互信息熵的仿生步态识别算法
4.1 步态序列STE的二维离散小波变换多分辨率分析
4.1.1 STE图象二维离散小波变换
4.1.2 STE图象进行小波变换后的“显微”和“极化”效果
4.1.3 步态运动能量分布在频域的全局特征与局部特征
4.2 以STE小波变换子图组合表征步态信息
4.2.1 组合步态特征表示
4.2.2 用互信息熵来度量步态特征与原步态序列的关联性
4.2.3 步态特征中四个小波子图权值的选择
4.3 基于小波变换与互信息熵的仿生步态识别算法
4.3.1 算法的核心思想及流程图
4.3.2 算法识别效果实验及分析
4.3.3 与其他算法识别效果比较实验及分析
4.3.4 小波变换子图能量分析与权值系数的关系实验
4.4 本章小结
第五章 结束语
致谢
附录A 步态数据库中110人的步态特征小波子图系数
参考文献
发表文章目录