声明
第一章 使用最近邻算法计算绪 论
1.1 研究背景与意义
1.2 国内外研究现状与分析
1.2.1 步态识别的国内外研究现状
1.2.2 研究难点与发展趋势
1.3 步态数据库
1.4 研究内容及创新
1.5 论文组织结构
第二章 步态识别及深度学习相关技术
2.1 引言
2.2.1 运动目标检测
2.2.2 形态学处理
2.2.3 图像归一化
2.3 卷积神经网络
2.3.1 神经元
2.3.2 卷积神经网络结构
2.3.3 卷积神经网络学习算法
2.4 本章小结
第三章 基于卷积受限玻尔兹曼机的步态识别
3.1 步态能量图的生成
3.2 受限玻尔兹曼机
3.2.1 网络结构
3.2.2 参数训练
3.3.1 卷积受限玻尔兹曼机
3.3.2 步态识别分类器
3.3.3 卷积受限玻尔兹曼机的步态识别模型
3.3.4 模型训练与测试
3.4.1 实验数据
3.4.2 实验参数
3.4.3 受限玻尔兹曼机的步态特征提取与识别
3.4.4 卷积受限玻尔兹曼机的步态特征提取与识别
3.4.5 PCA与LDA的步态特征提取及识别
3.4.6 实验结果比较
3.5 本章小结
第四章 基于改进损失函数的卷积神经网络的步态识别
4.1 步态识别框架
4.2 卷积神经网络模型
4.3 模型初始化方法
4.3.1 标准正态分布初始化
4.3.2 Xavier初始化
4.4 损失函数和优化
4.5.1 实验数据
4.5.2 模型训练与测试
4.5.3 卷积神经网络的步态识别
4.5.4 改进损失函数的卷积神经网络的步态识别
4.6 本章小结
第五章 基于三维卷积神经网络的步态识别模型
5.1.1 三维卷积操作
5.1.2 三维池化操作
5.2 损失函数
5.2.1 三元组损失函数
5.2.2 难样本挖掘策略
5.2.3 改进的三元组损失函数
5.3.1 网络模型
5.3.2 特征匹配与识别
5.4 实验结果与分析
5.5 本章小结
第六章 结束语
6.1 全文总结
6.2 工作展望
参考文献
致谢
攻读学位期间取得的研究成果
河北大学;