基于人体骨架的跨视角步态识别算法研究

目录

声明

1. 绪论

1.1 研究背景和意义

1.2 步态识别的国内外发展现状

1.3 步态数据库

1.4 论文的内容安排

1.5 本章小结

2. 步态识别的相关理论研究

2.1 神经网络相关理论

2.1.1 人工神经网络

2.1.2 BP神经网络

2.1.3 常用的神经网络优化方法

2.1.4 卷积神经网络

2.2 人体骨架提取相关算法

2.3 视角转换相关算法

2.4 本文实现方案

2.5 本章小结

3. 基于改进Openpose的人体骨架提取算法研究

3.1 骨架特征

3.2 Openpose 网络结构和原理

3.3 基于Openpose人体骨架特征提取

3.4 改进Openpose神经网络

3.4.1 Squeezenet

3.4.2 改进Openpose网络

3.4.3 关节点提取实验对比

3.5 基于改进openpose的人体骨架提取

3.6本章小结

4. 跨视角的步态识别

4.1 基于VTM的步态序列视角变换方案

4.2 视角转换实验及结果分析

4.3 基于骨架和人体关节点的步态特征提取

4.4 本章小结

5. 基于改进BP神经网络的步态识别

5.1 基于粒子群算法优化的BP神经网络

5.1.1 粒子群算法(PSO)

5.1.2 粒子群优化的BP神经网络

5.2 基于MIV算法的特征筛选

5.2.1 MIV算法

5.2.2 特征值筛选实验

5.3 实验环境

5.4 实验结果及分析

5.4.1 不同视角下三种BP神经网络步态识别

5.4.2 不同协变量不同视角的步态识别

5.4.3 与现有跨视角步态识别方法比较

5.5 本章小结

6. 总结与展望

6.1 总结

6.2 展望

参考文献

学位期间发表的论文及所取得的研究成果

致谢