基于显著特征的行人重识别方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文的主要工作与安排 | 第10-12页 |
| 1.3.1 主要研究内容 | 第10页 |
| 1.3.2 论文的结构与安排 | 第10-12页 |
| 第二章 基于超像素的特征描述 | 第12-27页 |
| 2.1 超像素视觉块 | 第12-16页 |
| 2.1.1 SLIC分割 | 第13-15页 |
| 2.1.2 前景提取 | 第15-16页 |
| 2.2 颜色特征 | 第16-18页 |
| 2.2.1 颜色空间 | 第16-17页 |
| 2.2.2 颜色直方图 | 第17-18页 |
| 2.3 纹理特征 | 第18-22页 |
| 2.3.1 方向梯度直方图 | 第19-20页 |
| 2.3.2 加速鲁棒特征 | 第20-22页 |
| 2.4 实验与分析 | 第22-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于多显著特征的行人重识别 | 第27-41页 |
| 3.1 类间显著性 | 第27-30页 |
| 3.1.1 子块匹配 | 第28-29页 |
| 3.1.2 显著分数计算 | 第29-30页 |
| 3.2 内部显著性 | 第30-34页 |
| 3.2.1 元胞自动机 | 第30-31页 |
| 3.2.2 构造全局距离矩阵 | 第31-32页 |
| 3.2.3 元胞自动机并行演化 | 第32-34页 |
| 3.3 显著特征融合 | 第34-36页 |
| 3.3.1 多层元胞自动机 | 第34-36页 |
| 3.4 实验与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于学习排序的行人重识别 | 第41-52页 |
| 4.1 双向加权匹配 | 第41-42页 |
| 4.2 学习排序 | 第42-46页 |
| 4.2.1 支持向量机 | 第43-44页 |
| 4.2.2 排序支持向量机 | 第44-46页 |
| 4.3 基于RankSVM的排序 | 第46-49页 |
| 4.3.1 融合显著特征匹配 | 第46-48页 |
| 4.3.2 RankSVM训练 | 第48页 |
| 4.3.3 偏序排名 | 第48-49页 |
| 4.4 实验与分析 | 第49-51页 |
| 4.4.1 数据集 | 第49-50页 |
| 4.4.2 实验方法与评测指标 | 第50页 |
| 4.4.3 结果与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 致谢 | 第58页 |
