智能安防新技術(shù)：大空間建筑中基于視頻的步態(tài)分析

第1章 緒 論 11.1 步態(tài)分析概述 11.1.1 步態(tài)分析的發(fā)展背景 11.1.2 步態(tài)識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀 61.1.3 步態(tài)特征分析綜述 151.2 大空間建筑中的步態(tài)分析 251.3 本書(shū)主要內(nèi)容及結(jié)構(gòu) 301.4 本章小結(jié) 32第2章 基于步態(tài)的性別識(shí)別 332.1 多尺度形狀特征和混合條件隨機(jī)場(chǎng) 332.1.1 步態(tài)的多尺度形狀特征提取 342.1.2 基于局部線(xiàn)性嵌入的步態(tài)狀態(tài)提取 362.1.3 混合條件隨機(jī)場(chǎng)模型及其參數(shù)估計(jì) 392.1.4 實(shí)驗(yàn)結(jié)果與分析 412.2 Gabor-MMI特征 502.2.1 基于Gabor濾波和最大化互信息量的特征提取 512.2.2 固定視角下的性別分類(lèi) 532.2.3 未知視角下的性別分類(lèi) 552.2.4 實(shí)驗(yàn)結(jié)果與分析 572.3 步態(tài)主成分圖特征 612.3.1 步態(tài)主成分圖特征的提取 622.3.2 基于特征匹配的性別分類(lèi) 632.3.3 實(shí)驗(yàn)結(jié)果與分析 642.4 本章小結(jié) 65第3章 基于步態(tài)的年齡分類(lèi) 673.1 年齡相關(guān)特征提取 673.2 隱馬爾可夫模型的應(yīng)用 693.2.1 隱馬爾可夫模型概述 693.2.2 應(yīng)用框架 713.3 實(shí)驗(yàn)結(jié)果與分析 753.4 本章小結(jié) 76第4章 單視角步態(tài)身份識(shí)別 774.1 步態(tài)光流特征提取 774.2 增量隱馬爾可夫模型及其參數(shù)估計(jì) 804.3 增量混合高斯回歸模型及其參數(shù)估計(jì) 834.4 基于光流特征和增量模型的行人檢測(cè)和身份識(shí)別 854.5 實(shí)驗(yàn)結(jié)果與分析 884.6 本章小結(jié) 98第5章 多視角步態(tài)身份識(shí)別 995.1 多視角步態(tài)序列同步 995.2 基于狀態(tài)一致模型的步態(tài)狀態(tài)提取 1015.3 投影模型的訓(xùn)練和識(shí)別 1035.4 實(shí)驗(yàn)結(jié)果與分析 1045.5 本章小結(jié) 109第6章 步態(tài)視角估計(jì) 1116.1 基于魯棒回歸的視角估計(jì) 1116.1.1 視角敏感性特征提取 1126.1.2 魯棒回歸分析 1166.1.3 實(shí)驗(yàn)結(jié)果與分析 1186.2 視角估計(jì)在性別分類(lèi)上的應(yīng)用 1266.2.1 實(shí)驗(yàn)設(shè)計(jì) 1266.2.2 實(shí)驗(yàn)結(jié)果與分析 1276.3 本章小結(jié) 128第7章 步態(tài)和人臉的融合 1297.1 不同視角步態(tài)的性別分類(lèi)能力比較 1297.1.1 步態(tài)特征提取 1297.1.2 類(lèi)可分離度分析 1357.1.3 支持向量機(jī)分類(lèi) 1377.1.4 實(shí)驗(yàn)結(jié)果與分析 1407.2 基于多視角步態(tài)與正面人臉融合的性別分類(lèi) 1417.2.1 多特征信息融合系統(tǒng)框架 1427.2.2 步態(tài)和人臉特征提取 1447.2.3 融合策略 1467.2.4 實(shí)驗(yàn)結(jié)果與分析 1487.3 基于多視角步態(tài)融合的種族分類(lèi) 1497.3.1 步態(tài)特征提取 1497.3.2 基于多線(xiàn)性主元分析的特征層融合 1517.3.3 實(shí)驗(yàn)結(jié)果與分析 1537.4 基于側(cè)面視角步態(tài)和正面人臉融合的種族分類(lèi) 1577.4.1 步態(tài)和人臉特征提取 1577.4.2 基于典型相關(guān)分析的特征層融合 1587.4.3 實(shí)驗(yàn)結(jié)果與分析 1607.5 本章小結(jié) 162第8章 總結(jié)與展望 164參考文獻(xiàn) 168