无重叠区域多摄像机下的行人重识别研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究内容和结构安排 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 主要结构安排 | 第16-18页 |
| 第二章 特征表示及距离测度 | 第18-30页 |
| 2.1 行人重识别概述 | 第18-19页 |
| 2.2 传统特征表示 | 第19-26页 |
| 2.2.1 LAB颜色直方图特征 | 第19-21页 |
| 2.2.2 方向梯度直方图 | 第21-22页 |
| 2.2.3 尺度不变特征变换 | 第22-26页 |
| 2.3 深度特征 | 第26页 |
| 2.4 距离测度进行相似性判断 | 第26-28页 |
| 2.4.1 马氏距离 | 第26-27页 |
| 2.4.2 XQDA | 第27-28页 |
| 2.5 行人重识别的评价标准 | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 基于深度特征表示的行人重识别 | 第30-48页 |
| 3.1 Alexnet神经网络结构介绍 | 第30-36页 |
| 3.1.1 卷积层 | 第30-31页 |
| 3.1.2 池化层 | 第31页 |
| 3.1.3 激活函数层 | 第31-32页 |
| 3.1.4 全连接层 | 第32-33页 |
| 3.1.5 Softmax层 | 第33-34页 |
| 3.1.6 dropout层 | 第34页 |
| 3.1.7 LRN层 | 第34-35页 |
| 3.1.8 Alexnet神经网络结构组成 | 第35-36页 |
| 3.2 基于Alexnet网络结构的迁移学习 | 第36-40页 |
| 3.3 提取深度特征 | 第40-41页 |
| 3.4 进行距离测度比较 | 第41页 |
| 3.5 实验结果及分析 | 第41-47页 |
| 3.5.1 实验数据集介绍 | 第42-43页 |
| 3.5.2 实验过程 | 第43-44页 |
| 3.5.3 实验结果对比 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于背景抑制的行人重识别 | 第48-69页 |
| 4.1 提取特征进行背景抑制 | 第48-55页 |
| 4.1.1 图像分块 | 第49-50页 |
| 4.1.2 HOG域的随机蕨特征 | 第50-52页 |
| 4.1.3 图像块的筛选 | 第52-55页 |
| 4.2 进行距离测度的比较 | 第55-56页 |
| 4.3 实验结果及分析 | 第56-68页 |
| 4.3.1 viper数据集实验 | 第56-62页 |
| 4.3.2 CUHK01数据集实验 | 第62-67页 |
| 4.3.3 自制数据集 | 第67-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间的主要研究成果 | 第78页 |
