摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第一章 绪论 | 第15-33页 |
1.1 研究背景 | 第15-17页 |
1.2 行人重识别 | 第17-18页 |
1.3 国内外研究现状 | 第18-28页 |
1.3.1 行人重识别 | 第18-23页 |
1.3.2 步态识别 | 第23-28页 |
1.4 面临挑战及研究内容 | 第28-31页 |
1.4.1 面临挑战 | 第28-29页 |
1.4.2 研究内容 | 第29-31页 |
1.5 论文结构 | 第31-33页 |
第二章 行人多级外观特征融合 | 第33-47页 |
2.1 引言 | 第33-34页 |
2.2 行人外观高级语义特征学习 | 第34-38页 |
2.2.1 孪生灵感网络结构 | 第34-37页 |
2.2.2 对比损失函数 | 第37-38页 |
2.3 基于零空间度量学习的多级外观特征融合 | 第38-39页 |
2.3.1 行人多级外观特征表示 | 第38页 |
2.3.2 基于零空间度量学习的融合方法 | 第38-39页 |
2.4 实验结果与分析 | 第39-46页 |
2.4.1 数据集 | 第39-40页 |
2.4.2 实验设置及评价标准 | 第40-41页 |
2.4.3 Market-1501数据集上的性能评价 | 第41-45页 |
2.4.4 CUHK03、PRID2011和VIPeR数据集上的性能评价 | 第45-46页 |
2.5 本章小结 | 第46-47页 |
第三章 步态图像的任意视角转换方法 | 第47-63页 |
3.1 引言 | 第47-49页 |
3.2 相关工作 | 第49-52页 |
3.2.1 生成对抗网络 | 第49-50页 |
3.2.2 3D人体重建 | 第50-52页 |
3.3 循环一致的注意力生成对抗网络模型 | 第52-56页 |
3.3.1 网络架构 | 第52-54页 |
3.3.2 综合损失函数 | 第54-56页 |
3.4 实验结果与分析 | 第56-60页 |
3.4.1 数据集与实验设置 | 第56-58页 |
3.4.2 步态图像合成的定性分析 | 第58页 |
3.4.3 步态图像合成的定量分析 | 第58-60页 |
3.4.4 消融研究 | 第60页 |
3.5 本章小结 | 第60-63页 |
第四章 不规则步态的显著周期性时空信息提取方法 | 第63-87页 |
4.1 引言 | 第63-65页 |
4.2 显著的空间-时间信息总结网络模型 | 第65-73页 |
4.2.1 空间注意力单元 | 第66-67页 |
4.2.2 不规则步态序列周期性运动建模 | 第67-69页 |
4.2.3 注意力时序总结单元 | 第69-70页 |
4.2.4 基于孪生结构的ASTSN | 第70-72页 |
4.2.5 基于NTFS方法的特征嵌入 | 第72-73页 |
4.3 实验结果与分析 | 第73-85页 |
4.3.1 数据集与评价标准 | 第73-74页 |
4.3.2 实验设置 | 第74-75页 |
4.3.3 比较的方法 | 第75-76页 |
4.3.4 OULP数据集上的性能评价 | 第76-78页 |
4.3.5 CASIA-B数据集上的性能评价 | 第78-80页 |
4.3.6 消融研究 | 第80-82页 |
4.3.7 定性分析 | 第82-85页 |
4.4 本章小结 | 第85-87页 |
第五章 渐进式行人重识别原型系统 | 第87-103页 |
5.1 应用背景 | 第87-88页 |
5.2 渐进式行人重识别框架 | 第88-90页 |
5.3 渐进式行人重识别原型系统 | 第90-94页 |
5.3.1 行人数据采集子模块 | 第91页 |
5.3.2 渐进式行人重识别子模块 | 第91-94页 |
5.3.3 原型系统运行环境 | 第94页 |
5.4 系统评估 | 第94-101页 |
5.4.1 数据集与评价标准 | 第96页 |
5.4.2 实验设置 | 第96-97页 |
5.4.3 基于外观行人粗略过滤的性能评价 | 第97-98页 |
5.4.4 渐进式行人重识别的性能评价 | 第98-99页 |
5.4.5 与现存方法对比 | 第99-100页 |
5.4.6 渐进式重识别的效率分析 | 第100-101页 |
5.5 本章小结 | 第101-103页 |
第六章 总结与展望 | 第103-109页 |
6.1 论文工作总结 | 第103-105页 |
6.2 未来工作展望 | 第105-109页 |
参考文献 | 第109-119页 |
致谢 | 第119-121页 |
攻读学位期间发表的学术论文目录 | 第121页 |