实时人员再辨识关键技术
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 人体再辨识 | 第11-17页 |
| 1.2.1 再辨识一般框架 | 第11-12页 |
| 1.2.2 通用图像底层特征 | 第12-16页 |
| 1.2.3 常用分类方法 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-21页 |
| 1.3.1 简单距离与度量学习 | 第18-21页 |
| 1.3.2 监督与无监督学习 | 第21页 |
| 1.4 本文主要工作与安排 | 第21-24页 |
| 1.4.1 本文的工作 | 第21-22页 |
| 1.4.2 本文的安排 | 第22-24页 |
| 第二章 实时人体再辨识 | 第24-44页 |
| 2.1 引言 | 第24页 |
| 2.2 人体再辨识系统框架 | 第24-25页 |
| 2.3 前景提取 | 第25-28页 |
| 2.4 视频浓缩 | 第28页 |
| 2.5 特征提取 | 第28-33页 |
| 2.5.1 人体分块 | 第28-29页 |
| 2.5.2 图像的颜色量化 | 第29-30页 |
| 2.5.3 H颜色直方图 | 第30-31页 |
| 2.5.4 主颜色 | 第31页 |
| 2.5.5 纹理特征 | 第31-33页 |
| 2.6 尺度问题 | 第33-34页 |
| 2.7 搜索策略 | 第34页 |
| 2.8 Hadoop优化 | 第34-37页 |
| 2.8.1 Hadoop | 第35页 |
| 2.8.2 HDFS | 第35-36页 |
| 2.8.3 MapReduce | 第36-37页 |
| 2.9 实验 | 第37-42页 |
| 2.9.1 TRECVID数据库 | 第38-39页 |
| 2.9.2 现实标清视频 | 第39-40页 |
| 2.9.3 现实高清视频 | 第40-41页 |
| 2.9.4 Hadoop实验结果 | 第41-42页 |
| 2.10 小结 | 第42-44页 |
| 第三章 基于重排序及样本扩展的人体再辨识 | 第44-54页 |
| 3.1 引言 | 第44-45页 |
| 3.2 特征提取 | 第45页 |
| 3.3 主成分分析 | 第45-46页 |
| 3.4 排序支持向量机 | 第46-48页 |
| 3.4.1 基于Ranking SVM的交互检索 | 第46-47页 |
| 3.4.2 Ranking SVM | 第47页 |
| 3.4.3 重排序 | 第47-48页 |
| 3.5 实验 | 第48-52页 |
| 3.5.1 数据库 | 第48-50页 |
| 3.5.2 多镜头与单镜头 | 第50页 |
| 3.5.3 CMC曲线 | 第50页 |
| 3.5.4 实验结果 | 第50-52页 |
| 3.6 小结 | 第52-54页 |
| 第四章 总结与展望 | 第54-58页 |
| 4.1 总结 | 第54-55页 |
| 4.2 展望 | 第55-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者攻读学位期间发表的学术论文目录 | 第64页 |
