| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 本文工作与创新点 | 第13-15页 |
| 1.3.1 研究内容 | 第13-15页 |
| 1.3.2 创新工作 | 第15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 2 行人再识别基础知识 | 第17-28页 |
| 2.1 行人图像外观特征模型 | 第17-22页 |
| 2.1.1 颜色直方图 | 第17-18页 |
| 2.1.2 纹理特征 | 第18-21页 |
| 2.1.3 词袋特征 | 第21页 |
| 2.1.4 LOMO特征 | 第21-22页 |
| 2.2 行人再识别度量学习算法 | 第22-25页 |
| 2.2.1 ITML算法 | 第22-23页 |
| 2.2.2 RDC算法 | 第23-24页 |
| 2.2.3 LMNN算法 | 第24-25页 |
| 2.3 对比试验与结果分析 | 第25-26页 |
| 2.3.1 数据集与仿真环境 | 第25页 |
| 2.3.2 对比试验与结果分析 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 半监督学习的度量学习算法改进 | 第28-32页 |
| 3.1 行人再识别度量原理 | 第28-29页 |
| 3.2 KISSME算法 | 第29-30页 |
| 3.3 基于半监督学习的度量模型 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 改进的二次判别分析行人再识别算法 | 第32-41页 |
| 4.1 二次判别分析算法 | 第32-33页 |
| 4.2 改进的行人再识别距离度量学习算法 | 第33-35页 |
| 4.3 半监督度量模型的实现方法 | 第35-36页 |
| 4.4 仿真实验与结果分析 | 第36-40页 |
| 4.4.1 数据集 | 第36-37页 |
| 4.4.2 基于VIPeR数据库的测试结果与对比分析 | 第37-39页 |
| 4.4.3 基于GRID数据库的测试结果与对比分析 | 第39页 |
| 4.4.4 基于CUHK01数据库的测试结果与对比分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 总结与展望 | 第41-43页 |
| 5.1 工作总结 | 第41-42页 |
| 5.2 未来发展 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
