基于卷积神经网络的步态识别算法研究

目录

声明

1绪论

1.1选题背景及研究意义

1.1.1选题背景

1.1.2研究意义

1.2步态识别的研究现状

1.2.1基于传统的步态识别方法

1.2.2基于深度学习的步态识别方法

1.3步态识别存在的问题

1.4本文的主要研究内容及组织结构

2基本理论

2.1神经网络

2.1.1神经元

2.1.2激活函数

2.1.3神经网络模型

2.2卷积神经网络的组成

2.2.1卷积层

2.2.2池化层

2.2.3全连接层

2.2.4 Softmax分类器

2.3卷积神经网络的训练

2.3.1前向传播

2.3.2反向传播

2.4常用的卷积神经网络模型

2.5本章小结

3步态图像预处理

3.1运动目标检测

3.2形态学处理

3.2.1膨胀和腐蚀

3.2.2开闭运算

3.3图像归一化

3.4步态能量图

3.4.1步态周期

3.4.2步态能量图获取

3.5本章小结

4基于改进的LeNet网络模型的步态识别算法研究

4.1算法框图

4.2步态数据集划分

4.3基于LeNet网络模型的步态识别

4.3.1 LeNet网络模型参数

4.3.2参数初始化方式和激活函数的选取

4.3.3不同网络模型对比

4.3.4卷积核大小对网络模型的影响

4.4基于改进的LeNet网络模型的步态识别

4.4.1残差网络思想

4.4.2改进的LeNet网络模型

4.4.3基于改进的LeNet网络模型的步态识别算法

4.4.4 LeNet与改进的LeNet网络模型性能对比

4.5本章小结

5实验与结论

5.1实验环境与参数

5.2基于CASIA数据库的实验

5.2.1相同行走状态下的实验

5.2.2不同行走状态下的实验

5.2.3跨视角下的实验

5.2.4相同视角下的实验

5.3本章小结

6总结与展望

6.1论文总结

6.2工作展望

致谢

参考文献

附录