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

基于视觉显著特征分析的行人再识别方法研究

摘要第3-5页
Abstract第5-6页
第一章 绪论第13-22页
    1.1 研究背景与意义第13-15页
    1.2 国内外研究现状第15-20页
    1.3 本文的主要贡献与内容安排第20-22页
第二章 行人再识别相关技术第22-29页
    2.1 Single-Shot行人再识别第22-25页
        2.1.1 行人图像特征表示第23-24页
        2.1.2 行人图像距离度量第24-25页
    2.2 Multi-Shot行人再识别第25-28页
        2.2.1 行人序列特征表示第25-27页
        2.2.2 行人序列距离度量第27-28页
    2.3 本章小结第28-29页
第三章 基于图像显著特征学习的single-shot行人再识别方法第29-46页
    3.1 引言第29-30页
    3.2 基于密度-距离的显著性特征表达第30-34页
        3.2.1 显著特征表达概述第30-31页
        3.2.2 距离显著性特征学习方法第31-33页
        3.2.3 密度显著性特征学习方法第33-34页
    3.3 特征提取与相似性度量第34-38页
        3.3.1 特征提取第34-36页
        3.3.2 相似性度量第36-38页
    3.4 基于显著特征表达的行人再识别算法第38-41页
    3.5 实验与分析第41-44页
        3.5.1 数据集介绍第41-42页
        3.5.2 实验结果与分析第42-44页
    3.6 本章小结第44-46页
第四章 基于协同稀疏恢复显著帧提取的multi-shot行人再识别方法第46-63页
    4.1 引言第46页
    4.2 基于协同稀疏恢复的视频显著帧提取第46-51页
        4.2.1 协同稀疏恢复概述第47-48页
        4.2.2 正则化参数第48-49页
        4.2.3 显著帧提取第49-51页
    4.3 特征提取与相似性度量第51-54页
        4.3.1 图像特征提取第51-53页
        4.3.2 二次线性判别分析方法第53-54页
    4.4 基于显著帧提取的行人再识别算法第54-56页
    4.5 实验与分析第56-61页
        4.5.1 数据集介绍第56-57页
        4.5.2 实验结果与分析第57-61页
    4.6 本章小结第61-63页
第五章 总结和展望第63-65页
    5.1 工作总结第63-64页
    5.2 未来展望第64-65页
参考文献第65-71页
致谢第71-73页
攻读硕士学位期间发表的学术论文第73-74页
攻读硕士学位期间参加的科研项目第74页

论文共74页,点击 下载论文
上一篇:基于混沌的数字图像加密算法研究与实现
下一篇:基于词性与LDA主题模型的文本分类技术研究