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 |