| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 缩略语表 | 第13-14页 |
| 第一章 绪论 | 第14-30页 |
| 1.1 本文的研究意义与目的 | 第14-16页 |
| 1.2 跨摄像机行人再标识研究现状 | 第16-25页 |
| 1.2.1 跨摄像机行人再标识中的图像表示 | 第16-22页 |
| 1.2.2 跨摄像机行人再标识中的相似度计算 | 第22-23页 |
| 1.2.3 基于摄像机网络上下文知识的跨摄像机行人再标识 | 第23-25页 |
| 1.3 本文的主要创新成果与章节安排 | 第25-30页 |
| 第二章 基于多任务距离度量学习的跨摄像行人再标识框架 | 第30-62页 |
| 2.1 引言 | 第30-32页 |
| 2.2 基于距离度量学习的跨摄像机行人再标识 | 第32-37页 |
| 2.2.1 距离度量学习简介 | 第32-35页 |
| 2.2.2 跨摄像机行人再标识中的距离度量学习 | 第35-37页 |
| 2.3 基于多任务距离度量学习的跨摄像机行人再标识框架 | 第37-43页 |
| 2.3.1 基于多个距离度量的跨摄像机行人再标识 | 第37-40页 |
| 2.3.2 基于多任务距离度量学习的多个距离度量学习 | 第40-42页 |
| 2.3.3 “陌生”距离度量的计算 | 第42-43页 |
| 2.4 成对约束的多任务大间隔距离度量学习 | 第43-49页 |
| 2.4.1 多任务大间隔近邻距离度量学习简介 | 第43-44页 |
| 2.4.2 成对约束多任务大间隔距离度量学习模型 | 第44-49页 |
| 2.5 实验结果与分析 | 第49-61页 |
| 2.5.1 图像数据集 | 第50-52页 |
| 2.5.2 实验设置 | 第52-54页 |
| 2.5.3 实验结果 | 第54-61页 |
| 2.6 本章小结 | 第61-62页 |
| 第三章 跨摄像机行人再标识的多任务最大塌缩距离学习模型 | 第62-92页 |
| 3.1 引言 | 第62-64页 |
| 3.2 最大塌缩距离度量学习简介 | 第64-67页 |
| 3.2.1 K近邻分类与随机近邻指定 | 第64-65页 |
| 3.2.2 最大塌缩距离度量学习模型 | 第65-67页 |
| 3.3 面向跨摄像机行人再标识的多任务最大塌缩距离度量学习模型 | 第67-79页 |
| 3.3.1 多任务最大塌缩距离度量学习模型 | 第67-71页 |
| 3.3.2 优化方法 | 第71-79页 |
| 3.4 实验结果与分析 | 第79-90页 |
| 3.4.1 数据集与实验设置 | 第80页 |
| 3.4.2 实验结果 | 第80-87页 |
| 3.4.3 分析与讨论 | 第87-90页 |
| 3.4.4 时间复杂度 | 第90页 |
| 3.5 本章小结 | 第90-92页 |
| 第四章 跨摄像机行人再标识的泛化陆地移动距离 | 第92-120页 |
| 4.1 引言 | 第92-93页 |
| 4.2 背景与相关工作简介 | 第93-95页 |
| 4.2.1 陆地移动距离简介 | 第93-95页 |
| 4.3 用于行人再标识的泛化陆地移动距离 | 第95-106页 |
| 4.3.1 算法框架 | 第95-98页 |
| 4.3.2 判别的陆地移动距离 | 第98-101页 |
| 4.3.3 基于人体先验知识的地面距离计算方法 | 第101-106页 |
| 4.4 实验结果与分析 | 第106-118页 |
| 4.4.1 图像数据集 | 第106-107页 |
| 4.4.2 实验设置 | 第107页 |
| 4.4.3 实验结果 | 第107-117页 |
| 4.4.4 时间复杂度 | 第117-118页 |
| 4.5 本章小结 | 第118-120页 |
| 第五章 总结与展望 | 第120-124页 |
| 5.1 全文工作总结 | 第120-121页 |
| 5.2 未来工作展望 | 第121-124页 |
| 附录A 公式3-33的证明 | 第124-126页 |
| 参考文献 | 第126-142页 |
| 致谢 | 第142-144页 |
| 在学期间的研究成果及发表的论文 | 第144-145页 |
