摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
缩略语表 | 第9-13页 |
第一章 绪论 | 第13-31页 |
1.1 研究背景和意义 | 第13-18页 |
1.2 发展历史和现状 | 第18-19页 |
1.3 系统构成 | 第19-22页 |
1.4 面临的困难和技术难点 | 第22-25页 |
1.4.1 外观特征表示 | 第23-24页 |
1.4.2 相似性衡量模型 | 第24-25页 |
1.5 主要研究内容及结构安排 | 第25-27页 |
1.5.1 主要研究内容 | 第25-26页 |
1.5.2 结构安排 | 第26-27页 |
参考文献 | 第27-31页 |
第二章 行人再辨识研究现状 | 第31-55页 |
2.1 引言 | 第31页 |
2.2 应用场景分类 | 第31-32页 |
2.3 外观特征设计 | 第32-39页 |
2.3.1 身体分块模型 | 第32-34页 |
2.3.2 外观描述特征 | 第34-39页 |
2.4 特征匹配算法 | 第39-42页 |
2.4.1 跨摄像机转移建模 | 第40页 |
2.4.2 度量学习 | 第40-42页 |
2.4.3 跨数据库迁移学习 | 第42页 |
2.5 算法评价 | 第42-46页 |
2.5.1 常用数据库 | 第42-46页 |
2.5.2 算法评价标准 | 第46页 |
2.6 本章小结 | 第46-47页 |
参考文献 | 第47-55页 |
第三章 基于低秩矩阵填充的行人再辨识 | 第55-75页 |
3.1 引言 | 第55-56页 |
3.2 研究现状 | 第56-57页 |
3.3 研究动机 | 第57-58页 |
3.4 颜色模型 | 第58-60页 |
3.5 所提出的算法 | 第60-66页 |
3.5.1 矩阵填充 | 第60-61页 |
3.5.2 算法描述 | 第61-65页 |
3.5.3 优化过程 | 第65-66页 |
3.6 实验结果与分析 | 第66-70页 |
3.6.1 数据库 | 第66页 |
3.6.2 特征提取 | 第66-67页 |
3.6.4 参数设定 | 第67页 |
3.6.5 性能评估 | 第67-70页 |
3.7 小结 | 第70-71页 |
参考文献 | 第71-75页 |
第四章 基于AdaBoost的跨模态投影的行人再辨识 | 第75-99页 |
4.1 引言 | 第75-76页 |
4.2 研究现状 | 第76页 |
4.3 研究动机 | 第76-78页 |
4.4 相关知识 | 第78-83页 |
4.4.1 哈希投影 | 第78-81页 |
4.4.2 典型关联分析 | 第81-82页 |
4.4.3 AdaBoost模型 | 第82-83页 |
4.5 所提出的算法 | 第83-88页 |
4.5.1 哈希投影模型 | 第84-87页 |
4.5.2 线性投影模型 | 第87-88页 |
4.5.3 模型融合 | 第88页 |
4.6 实验结果与分析 | 第88-94页 |
4.6.1 数据库 | 第89页 |
4.6.2 特征提取 | 第89页 |
4.6.3 参数设定 | 第89-91页 |
4.6.4 性能评估 | 第91-94页 |
4.7 小结 | 第94-95页 |
参考文献 | 第95-99页 |
第五章 基于数据自适应局部度量学习的行人再辨识 | 第99-123页 |
5.1 引言 | 第99-100页 |
5.2 研究现状 | 第100-101页 |
5.3 研究动机 | 第101-102页 |
5.4 基本理论 | 第102-106页 |
5.4.1 度量学习 | 第102-104页 |
5.4.2 LMNN和ITML | 第104-106页 |
5.5 所提出的算法 | 第106-110页 |
5.5.1 算法模型 | 第106-107页 |
5.5.2 模型训练 | 第107-110页 |
5.5.3 模型推理 | 第110页 |
5.6 实验结果与分析 | 第110-119页 |
5.6.1 数据库 | 第111页 |
5.6.2 特征提取 | 第111页 |
5.6.3 参数设置 | 第111-113页 |
5.6.4 性能评估 | 第113-119页 |
5.7 小结 | 第119页 |
参考文献 | 第119-123页 |
第六章 总结与展望 | 第123-125页 |
致谢 | 第125-126页 |
攻读博士学位期间的研究成果 | 第126页 |