首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图聚类的跨视频行人重识别

摘要第8-9页
ABSTRACT第9页
第一章 绪论第10-19页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-15页
        1.2.1 目标重识别特征第11-13页
        1.2.2 目标重识别的学习第13页
        1.2.3 图聚类相关理论第13-15页
    1.3 主要研究内容及贡献第15-17页
    1.4 论文结构第17-19页
第二章 跨视频行人重识别框架第19-29页
    2.1 跨视频行人重识别概述第20-22页
    2.2 图聚类相关理论第22-27页
        2.2.1 规范化切准则第23-24页
        2.2.2 放松约束条件下的几种算法第24-27页
        2.2.3 度量指标第27页
    2.3 本章小节第27-29页
第三章 行人图像表示第29-45页
    3.1 行人样本特征表示第29-33页
        3.1.1 LAB颜色直方图第29-31页
        3.1.2 SIFT特征第31-32页
        3.1.3 dColorSIFT特征第32-33页
    3.2 相似度度量第33-36页
        3.2.1 常规距离度量方法第33-35页
        3.2.2 score_ocsvm分块评分技术第35-36页
    3.3 行人序列特征提取方法的改进第36-41页
        3.3.1 利用图像轮廓去背景第37-38页
        3.3.2 行人图像去背景可行性验证第38-41页
    3.4 行人图像时序信息综合第41-44页
        3.4.1 基于原始图像的时序信息综合第41-43页
        3.4.2 去背景图像时序信息综合第43-44页
    3.5 本章小节第44-45页
第四章 基于图聚类的跨视频行人重识别第45-69页
    4.1 构图第45-50页
        4.1.1 LLE方法第45-46页
        4.1.2 相似度矩阵分析第46-47页
        4.1.3 邻居法第47-49页
        4.1.4 其他方法的局限性第49-50页
    4.2 估计类别数目第50-53页
        4.2.1 模块度原理第50-51页
        4.2.2 加权模块度度量聚类结果第51-53页
    4.3 实验结果及分析第53-59页
        4.3.1 实验数据说明第53页
        4.3.2 可视化构图结果第53-55页
        4.3.3 进行聚类实验第55-58页
        4.3.4 聚类个数估计第58-59页
        4.3.5 实验结果局限性分析第59页
    4.4 在真实数据集CCV上实验第59-68页
        4.4.1 可视化构图结果第60-61页
        4.4.2 进行分类实验第61-63页
        4.4.3 人工干预第63-66页
        4.4.4 行人活动轨迹分析第66-68页
    4.5 本章小节第68-69页
第五章 结论与展望第69-71页
    5.1 工作总结第69页
    5.2 研究展望第69-71页
致谢第71-73页
参考文献第73-80页
作者在学期间取得的学术成果第80页

论文共80页,点击 下载论文
上一篇:基于深度图像的动作识别及应用研究
下一篇:基于回归策略的混合推荐算法研究及并行化实现