基于动态度量和多维度表达的行人重识别研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 特征表达 | 第13-14页 |
| 1.2.2 距离度量学习 | 第14-15页 |
| 1.2.3 检索结果排序优化 | 第15-16页 |
| 1.2.4 针对特定问题的行人重识别技术 | 第16-17页 |
| 1.3 面临的关键问题 | 第17页 |
| 1.4 主要内容和组织结构 | 第17-20页 |
| 1.4.1 主要内容 | 第17-19页 |
| 1.4.2 组织结构 | 第19-20页 |
| 第2章 基于自适应间隔最近邻的度量学习方法 | 第20-32页 |
| 2.1 引言 | 第20-21页 |
| 2.2 研究动机 | 第21-23页 |
| 2.2.1 传统方法的局限 | 第21-23页 |
| 2.2.2 动态度量的思想 | 第23页 |
| 2.3 基于大间隔最近邻的度量学习方法 | 第23-24页 |
| 2.4 方法设计 | 第24-28页 |
| 2.4.1 方法整体框架 | 第24页 |
| 2.4.2 自适应间隔模型 | 第24-26页 |
| 2.4.3 代价函数的求解 | 第26-28页 |
| 2.5 实验与分析 | 第28-31页 |
| 2.5.1 实验环境与数据集 | 第28-29页 |
| 2.5.2 实验设置 | 第29页 |
| 2.5.3 参数选择 | 第29-30页 |
| 2.5.4 实验评估 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于尺度渐变曲面的行人重识别方法 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 研究动机 | 第33-39页 |
| 3.2.1 传统方法的局限 | 第34-37页 |
| 3.2.2 多维度表达的思想 | 第37-39页 |
| 3.3 方法设计 | 第39-41页 |
| 3.3.1 方法整体框架 | 第39页 |
| 3.3.2 尺度渐变曲面表达 | 第39-40页 |
| 3.3.3 尺度渐变曲面拟合 | 第40页 |
| 3.3.4 尺度渐变曲面分类模型 | 第40页 |
| 3.3.5 尺度渐变曲面空间重识别 | 第40-41页 |
| 3.4 实验与分析 | 第41-43页 |
| 3.4.1 实验环境与数据集 | 第41-42页 |
| 3.4.2 实验设置 | 第42页 |
| 3.4.3 实验评估 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 行人重识别系统设计 | 第44-62页 |
| 4.1 引言 | 第44-45页 |
| 4.2 需求分析 | 第45-47页 |
| 4.2.1 系统的意义 | 第45页 |
| 4.2.2 功能分析 | 第45-47页 |
| 4.3 系统设计 | 第47-51页 |
| 4.3.1 流程分析 | 第47-50页 |
| 4.3.2 接口设计 | 第50-51页 |
| 4.4 关键算法 | 第51-55页 |
| 4.4.1 GOG特征提取算法 | 第52页 |
| 4.4.2 AMNN距离度量学习算法 | 第52-53页 |
| 4.4.3 SDSF多低分辨率行人重识别算法 | 第53页 |
| 4.4.4 多张查询图像联合搜索算法 | 第53-55页 |
| 4.5 系统展示 | 第55-60页 |
| 4.5.1 编程语言与开发环境 | 第55页 |
| 4.5.2 系统运行展示 | 第55-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的科研工作情况 | 第68-70页 |
| 致谢 | 第70-71页 |
