基于度量学习和稀疏表示的行人重识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 引言 | 第10-13页 |
| 1.1.1 研究背景与意义 | 第10-11页 |
| 1.1.2 国内外研究现状 | 第11-13页 |
| 1.2 本文的主要工作与安排 | 第13-15页 |
| 1.2.1 主要研究内容 | 第13-14页 |
| 1.2.2 论文的组织结构 | 第14-15页 |
| 第二章 行人重识别相关技术研究综述 | 第15-23页 |
| 2.1 摄像机网络的标定与拓扑 | 第15-16页 |
| 2.2 行人目标的特征与表示 | 第16-19页 |
| 2.3 目标的相似性度量与匹配 | 第19-20页 |
| 2.4 性能评价标准 | 第20-22页 |
| 2.4.1 数据集 | 第20-21页 |
| 2.4.2 CMC曲线 | 第21-22页 |
| 2.5 小结 | 第22-23页 |
| 第三章 特征提取 | 第23-42页 |
| 3.1 颜色特征 | 第23-29页 |
| 3.1.1 颜色空间 | 第23-26页 |
| 3.1.2 联合颜色直方图 | 第26-28页 |
| 3.1.3 加权颜色直方图 | 第28-29页 |
| 3.2 纹理特征 | 第29-36页 |
| 3.2.1 方向梯度直方图 | 第29-31页 |
| 3.2.2 尺度不变特征转换 | 第31-34页 |
| 3.2.3 统计稠密尺度不变特征 | 第34-36页 |
| 3.3 主成分分析降维 | 第36-37页 |
| 3.4 本文的特征提取方法 | 第37-40页 |
| 3.5 小结 | 第40-42页 |
| 第四章 基于度量学习和稀疏表示的行人重识别 | 第42-52页 |
| 4.1 度量学习 | 第42-44页 |
| 4.1.1 马氏距离 | 第42-43页 |
| 4.1.2 度量矩阵估计 | 第43-44页 |
| 4.2 稀疏表示 | 第44-47页 |
| 4.2.1 稀疏表示理论 | 第44-45页 |
| 4.2.2 迭代重加权稀疏排序 | 第45-47页 |
| 4.3 本文的行人匹配方法 | 第47-51页 |
| 4.4 小结 | 第51-52页 |
| 第五章 实验结果与分析 | 第52-58页 |
| 5.1 实验结果 | 第52-53页 |
| 5.2 讨论与分析 | 第53-57页 |
| 5.2.1 特征的影响 | 第53-55页 |
| 5.2.2 排序方法的影响 | 第55-57页 |
| 5.3 小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
