首页--工业技术论文--无线电电子学、电信技术论文--电视论文--电视中心、电视设备论文--电视中心管理系统论文

视频监控中的行人检测与再识别研究

论文创新点第5-13页
中英缩略语对照表第13-15页
摘要第15-17页
ABSTRACT第17-18页
第1章 绪论第19-40页
    1.1 研究背景与意义第19-22页
        1.1.1 研究背景第19-20页
        1.1.2 研究意义第20-22页
    1.2 国内外研究现状第22-33页
        1.2.1 国外研究现状第23-29页
        1.2.2 国内研究现状第29-31页
        1.2.3 常用公共数据集第31-33页
    1.3 技术框架第33-34页
    1.4 困难和挑战第34-36页
        1.4.1 行人检测中的困难和挑战第34-35页
        1.4.2 行人再识别中的困难和挑战第35-36页
    1.5 研究内容与组织结构第36-40页
        1.5.1 研究内容第36-37页
        1.5.2 主要创新点第37-39页
        1.5.3 组织结构第39-40页
第2章 基于多特征融合的分块收缩行人检测方法第40-63页
    2.1 本章内容介绍第40页
    2.2 研究目标和思路第40-41页
    2.3 相关工作第41-42页
    2.4 方法流程第42-43页
    2.5 特征提取第43-48页
        2.5.1 梯度方向计算第43-44页
        2.5.2 局部二值模式计算第44-45页
        2.5.3 稀疏编码计算第45-46页
        2.5.4 分块直方图统计第46-48页
    2.6 分块收缩与特征融合第48-51页
        2.6.1 分块收缩算法第48-50页
        2.6.2 特征融合算法第50-51页
    2.7 实验与分析第51-62页
        2.7.1 实验环境和数据第51-52页
        2.7.2 实验方法与评测指标第52-55页
        2.7.3 实验对比的方法第55-56页
        2.7.4 实验结果与分析第56-62页
    2.8 本章工作总结第62-63页
第3章 基于人体部位特征重要性的行人再识别方法第63-86页
    3.1 本章内容介绍第63页
    3.2 研究目标和思路第63-64页
    3.3 相关工作第64-65页
    3.4 方法流程第65-66页
    3.5 人体部位提取第66-67页
    3.6 部位特征提取第67-69页
        3.6.1 多通道颜色直方图第67-68页
        3.6.2 局部二值模式第68页
        3.6.3 梯度方向直方图第68-69页
    3.7 部位特征重要性计算第69-70页
        3.7.1 人体部位聚类分析第69-70页
        3.7.2 特征重要性权值计算第70页
    3.8 特征距离度量第70-72页
        3.8.1 巴氏距离度量第70-71页
        3.8.2 行人特征距离度量第71-72页
    3.9 实验与分析第72-84页
        3.9.1 实验环境和数据第72-73页
        3.9.2 实验方法与评价指标第73-77页
        3.9.3 实验对比的方法第77-78页
        3.9.4 实验结果与分析第78-84页
    3.10 本章工作总结第84-86页
第4章 结合图像重排序的无监督距离测度学习方法第86-104页
    4.1 本章内容介绍第86页
    4.2 研究目标和思路第86-87页
    4.3 相关工作第87-88页
    4.4 方法流程第88-89页
    4.5 行人图像重排序模型第89-91页
        4.5.1 距离矩阵第89-90页
        4.5.2 距离排序矩阵第90页
        4.5.3 距离重排序第90-91页
    4.6 无监督距离测度学习模型第91-92页
        4.6.1 马氏距离度量第91-92页
        4.6.2 无监督距离测度学习第92页
    4.7 实验与分析第92-102页
        4.7.1 实验环境和数据第93-94页
        4.7.2 实验方法与评价指标第94-95页
        4.7.3 实验对比的算法第95-96页
        4.7.4 实验结果与分析第96-102页
    4.8 本章工作总结第102-104页
第5章 总结与展望第104-107页
    5.1 研究工作总结第104-105页
    5.2 研究展望第105-107页
参考文献第107-115页
作者在学期间取得的学术成果第115-117页
致谢第117页

论文共117页,点击 下载论文
上一篇:基于ELM的XML文档分类技术研究
下一篇:多模态相似度学习方法研究