| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 基于手工特征的行人重识别 | 第14-16页 |
| 1.2.2 基于深度学习的行人重识别 | 第16-20页 |
| 1.3 数据集及评价方法 | 第20-24页 |
| 1.3.1 评价方法 | 第20-22页 |
| 1.3.2 数据集 | 第22-24页 |
| 1.4 本文主要研究内容 | 第24页 |
| 1.5 本文组织结构 | 第24-26页 |
| 第二章 基于深度特征学习的行人重识别 | 第26-32页 |
| 2.1 引言 | 第26-27页 |
| 2.2 分类模型 | 第27-28页 |
| 2.3 孪生网络模型 | 第28-30页 |
| 2.3.1 基于图像对的特征学习 | 第28-29页 |
| 2.3.2 基于三元组的特征学习 | 第29-30页 |
| 2.4 本章总结 | 第30-32页 |
| 第三章 基于融合损失函数的深度特征学习 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 基于融合损失函数的深度网络结构 | 第32-36页 |
| 3.2.1 网络结构 | 第32-34页 |
| 3.2.2 改进的三元组损失函数 | 第34-36页 |
| 3.3 实验与分析 | 第36-41页 |
| 3.3.1 fine-tune微调 | 第36页 |
| 3.3.2 实验设置 | 第36-37页 |
| 3.3.3 实验结果和分析 | 第37-41页 |
| 3.4 本章小结 | 第41-44页 |
| 第四章 基于深度特征和手工特征结合的行人重识别系统 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 整体需求分析 | 第44-45页 |
| 4.3 系统功能设计 | 第45-46页 |
| 4.4 具体实现 | 第46-54页 |
| 4.4.1 开发环境 | 第46-47页 |
| 4.4.2 监控视频行人检测模块 | 第47-49页 |
| 4.4.3 特征提取模块 | 第49-50页 |
| 4.4.4 检索模块 | 第50-54页 |
| 4.5 系统界面及结果展示 | 第54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 总结和展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56页 |
| 5.2 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64页 |