| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 引言 | 第14页 |
| 1.2 课题研究背景及意义 | 第14-16页 |
| 1.3 无重叠视域多摄像机之间目标关联的研究现状 | 第16-17页 |
| 1.4 无重叠视域多摄像机之间目标关联的主要技术难点 | 第17-18页 |
| 1.5 本文的主要工作及结构安排 | 第18-20页 |
| 第二章 无重叠视域多摄像机间的目标关联概述 | 第20-27页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于手工设计特征的目标关联算法 | 第21-22页 |
| 2.3 基于距离测度学习的目标关联算法 | 第22-24页 |
| 2.4 基于深度学习的目标关联算法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于外观模型和时空模型的目标再识别 | 第27-40页 |
| 3.1 引言 | 第27-28页 |
| 3.2 常用外观特征简介 | 第28-30页 |
| 3.2.1 颜色特征 | 第28页 |
| 3.2.2 纹理特征 | 第28-30页 |
| 3.3 基于外观模型和时空模型的目标再识别算法 | 第30-36页 |
| 3.3.1 外观模型学习 | 第31-33页 |
| 3.3.2 时空模型学习 | 第33-36页 |
| 3.4 实验结果及分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于深层特征表达和距离测度融合的目标再识别 | 第40-58页 |
| 4.1 引言 | 第40-41页 |
| 4.2 卷积神经网络 | 第41-45页 |
| 4.2.1 卷积模块 | 第41-44页 |
| 4.2.2 全连接模块 | 第44-45页 |
| 4.2.3 损失函数 | 第45页 |
| 4.3 基于深层特征表达和距离测度融合的目标再识别算法 | 第45-50页 |
| 4.3.1 卷积神经网络模型 | 第46-48页 |
| 4.3.2 距离测度学习 | 第48-49页 |
| 4.3.3 距离测度融合 | 第49-50页 |
| 4.4 实验结果及分析 | 第50-57页 |
| 4.4.1 实验数据集 | 第50-52页 |
| 4.4.2 参数设置 | 第52-53页 |
| 4.4.3 算法有效性验证 | 第53-55页 |
| 4.4.4 与其它算法的性能对比 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-67页 |
