| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 引言 | 第15-16页 |
| 1.2 课题研究背景及意义 | 第16-17页 |
| 1.3 行人再识别的研究现状 | 第17-19页 |
| 1.4 行人再识别面临的挑战 | 第19-20页 |
| 1.5 本文的主要工作及安排 | 第20-22页 |
| 第二章 行人再识别综述 | 第22-29页 |
| 2.1 引言 | 第22页 |
| 2.2 基于传统特征的行人再识别 | 第22-24页 |
| 2.3 基于深度特征的行人再识别 | 第24-25页 |
| 2.4 基于度量学习的行人再识别 | 第25-27页 |
| 2.5 本章总结 | 第27-29页 |
| 第三章 基于局部区域划分的行人再识别 | 第29-51页 |
| 3.1 引言 | 第29-30页 |
| 3.2 数据集与评估指标 | 第30-33页 |
| 3.2.1 数据集简介 | 第30-32页 |
| 3.2.2 评估指标 | 第32-33页 |
| 3.3 行人图像的特征表示 | 第33-37页 |
| 3.3.1 颜色特征HSV | 第33-35页 |
| 3.3.2 纹理特征SILTP | 第35-36页 |
| 3.3.3 局部均值特征算子 | 第36-37页 |
| 3.4 基于局部区域划分的行人再识别算法 | 第37-42页 |
| 3.4.1 损坏区域的概念 | 第37-39页 |
| 3.4.2 算法流程 | 第39-42页 |
| 3.6 实验结果与分析 | 第42-49页 |
| 3.6.1 公共数据集实验对比与分析 | 第42-45页 |
| 3.6.2 关键操作性能比较与分析 | 第45-49页 |
| 3.7 本章总结 | 第49-51页 |
| 第四章 基于深度特征与传统特征融合的行人再识别 | 第51-60页 |
| 4.1 引言 | 第51页 |
| 4.2 卷积神经网络 | 第51-54页 |
| 4.3 基于深度特征与传统特征融合的行人再识别算法 | 第54-57页 |
| 4.3.1 深度特征提取 | 第54-56页 |
| 4.3.2 算法流程 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-59页 |
| 4.5.1 特征融合前后实验对比与分析 | 第57-58页 |
| 4.5.2 数据库融合前后性能比较与分析 | 第58-59页 |
| 4.6 本章总结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66-67页 |