| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 基于行人特征表示的行人再识别研究 | 第15-18页 |
| 1.2.2 基于度量学习的行人再识别研究 | 第18-20页 |
| 1.3 常用数据集简介 | 第20-22页 |
| 1.4 性能评价标准(CMC曲线) | 第22页 |
| 1.5 本文的工作安排 | 第22-24页 |
| 第二章 基于交叉视角最大间距度量学习的行人再识别研究 | 第24-38页 |
| 2.1 相关方法介绍 | 第24-27页 |
| 2.1.1 交叉视角判别二次度量学习 | 第24-26页 |
| 2.1.2 最大间距准则(MMC) | 第26-27页 |
| 2.2 行人特征提取 | 第27-29页 |
| 2.3 交叉视角最大间距度量学习(XMM)算法 | 第29-32页 |
| 2.4 实验与分析 | 第32-37页 |
| 2.4.1 数据集选取 | 第32-33页 |
| 2.4.2 实验结果 | 第33-36页 |
| 2.4.3 参数分析 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于规整平滑交叉视角最大间距度量学习的行人再识别研究 | 第38-47页 |
| 3.1 相关方法介绍 | 第38-39页 |
| 3.1.1 平滑技术 | 第38-39页 |
| 3.1.2 规整技术 | 第39页 |
| 3.2 规整平滑交叉视角最大间距度量学习(RSXMM)算法 | 第39-42页 |
| 3.3 实验与分析 | 第42-46页 |
| 3.3.1 数据集选取 | 第42-43页 |
| 3.3.2 实验结果 | 第43-45页 |
| 3.3.3 参数分析 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于显著性加权的局部最大化发生特征表示的行人再识别研究 | 第47-57页 |
| 4.1 相关方法介绍 | 第47-50页 |
| 4.1.1 FT显著性学习算法 | 第47-48页 |
| 4.1.2 AC显著性学习算法 | 第48-50页 |
| 4.2 显著性加权的局部最大化发生特征表示(SWLOMO) | 第50-52页 |
| 4.3 实验与分析 | 第52-56页 |
| 4.3.1 在RSXMM算法上实验结果比较 | 第52-53页 |
| 4.3.2 行人特征对识别率的影响 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的成果 | 第65页 |
