面向监控视频的行人重识别技术研究
| 论文创新点 | 第1-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-27页 |
| ·研究背景和意义 | 第13-16页 |
| ·国内外研究现状 | 第16-23页 |
| ·基于特征表示的方法 | 第16-19页 |
| ·基于距离匹配的方法 | 第19-22页 |
| ·常用数据库 | 第22-23页 |
| ·面临的关键问题 | 第23-25页 |
| ·行人重识别关键技术 | 第23-24页 |
| ·主要关键问题 | 第24-25页 |
| ·主要工作和论文的组织结构 | 第25-27页 |
| ·本文主要工作 | 第25-26页 |
| ·全文组织结构 | 第26-27页 |
| 第2章 基于遮挡检测的块集合表示和匹配方法 | 第27-43页 |
| ·引言 | 第27-28页 |
| ·块集合表示与匹配 | 第28-32页 |
| ·低层视觉特征提取 | 第28-30页 |
| ·行人图像分块与匹配 | 第30-32页 |
| ·基于稀疏表示的块遮挡判断 | 第32-33页 |
| ·基于颜色的块显著模型 | 第33-35页 |
| ·实验与分析 | 第35-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 基于投影矩阵的特征变换方法 | 第43-63页 |
| ·引言 | 第43-44页 |
| ·基于投影矩阵的特征变换方法 | 第44-48页 |
| ·相同投影的特征变换方法 | 第45页 |
| ·单投影的特征变换方法 | 第45-46页 |
| ·与亮度转换函数的比较 | 第46-48页 |
| ·投影矩阵学习策略 | 第48-51页 |
| ·一致性误差项 | 第48页 |
| ·判别性误差项 | 第48-49页 |
| ·优化目标函数 | 第49-51页 |
| ·基于采样的梯度下降算法 | 第51-52页 |
| ·实验与分析 | 第52-61页 |
| ·本章小结 | 第61-63页 |
| 第4章 基于κ近邻分类的局部距离度量方法 | 第63-83页 |
| ·引言 | 第63-65页 |
| ·平滑距离测度学习 | 第65-69页 |
| ·距离测度学习模型 | 第65-67页 |
| ·平滑距离测度学习 | 第67-68页 |
| ·基于随机采样的梯度下降算法 | 第68-69页 |
| ·局部距离度量技术 | 第69-72页 |
| ·κ近邻分类 | 第69-71页 |
| ·基于κ近邻距离度量 | 第71-72页 |
| ·不同距离的集成 | 第72-73页 |
| ·实验与分析 | 第73-82页 |
| ·本章小结 | 第82-83页 |
| 第5章 总结与展望 | 第83-86页 |
| ·研究工作总结 | 第83-84页 |
| ·研究展望 | 第84-86页 |
| 参考文献 | 第86-94页 |
| 攻读博士学习期间的科研成果 | 第94-96页 |
| 致谢 | 第96页 |
