| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 引言 | 第15-16页 |
| 1.2 课题研究的背景和意义 | 第16-17页 |
| 1.3 无重叠视域多摄像机行人再识别的研究现状 | 第17-19页 |
| 1.4 无重叠视域多摄像机行人再识别的技术难点 | 第19-20页 |
| 1.5 本文的主要工作及创新点 | 第20-22页 |
| 第二章 无重叠视域多摄像机行人再识别概述 | 第22-28页 |
| 2.1 引言 | 第22页 |
| 2.2 基于特征表达的行人再识别 | 第22-24页 |
| 2.3 基于深度学习的行人再识别 | 第24-25页 |
| 2.4 基于距离测度学习的行人再识别 | 第25-27页 |
| 2.5 本章总结 | 第27-28页 |
| 第三章 基于多特征融合与独立测度学习的行人再识别 | 第28-52页 |
| 3.1 引言 | 第28页 |
| 3.2 公共数据集概述 | 第28-31页 |
| 3.2.1 VIPeR数据集 | 第28-29页 |
| 3.2.2 iLIDS数据集 | 第29-30页 |
| 3.2.3 CUHK01数据集 | 第30-31页 |
| 3.3 行人图像的处理及特征表示 | 第31-39页 |
| 3.3.1 行人图像的预处理 | 第32-33页 |
| 3.3.2 行人图像的特征介绍 | 第33-38页 |
| 3.3.3 行人图像的特征表达 | 第38-39页 |
| 3.4 基于距离测度学习的行人再识别算法 | 第39-41页 |
| 3.5 基于多特征融合与独立测度学习的行人再识别算法 | 第41-42页 |
| 3.5.1 相似度度量函数的学习 | 第41-42页 |
| 3.5.2 本章算法的具体步骤 | 第42页 |
| 3.6 实验测试与结果分析 | 第42-50页 |
| 3.6.1 测试数据和算法性能的评测准则 | 第43页 |
| 3.6.2 不同公共数据集上的实验对比 | 第43-49页 |
| 3.6.3 权值a取值不同时算法性能比较 | 第49-50页 |
| 3.7 本章总结 | 第50-52页 |
| 第四章 无重叠视域多摄像机行人再识别系统设计 | 第52-64页 |
| 4.1 引言 | 第52-53页 |
| 4.2 实验平台 | 第53页 |
| 4.3 系统框架 | 第53-54页 |
| 4.4 系统模块分析 | 第54-57页 |
| 4.4.1 视频采集模块 | 第55页 |
| 4.4.2 视频处理模块 | 第55-57页 |
| 4.5 系统实现及应用分析 | 第57-62页 |
| 4.5.1 系统实现 | 第57-62页 |
| 4.5.2 应用分析 | 第62页 |
| 4.6 本章总结 | 第62-64页 |
| 第五章 总结与展望 | 第64-67页 |
| 5.1 本文工作总结 | 第64-65页 |
| 5.2 未来工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第71-73页 |