| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 行人外观特征设计 | 第11-12页 |
| 1.2.2 行人特征相似度设计 | 第12-14页 |
| 1.2.3 现有行人再辨识研究的不足与挑战 | 第14-15页 |
| 1.3 算法评价 | 第15-17页 |
| 1.3.1 数据库 | 第15-16页 |
| 1.3.2 算法评价标准 | 第16-17页 |
| 1.4 主要研究内容和结构安排 | 第17-20页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 结构安排 | 第18-20页 |
| 第二章 视频浓缩系统简介 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 视频摘要 | 第20-22页 |
| 2.2.1 背景建模 | 第21-22页 |
| 2.2.2 前景预处理 | 第22页 |
| 2.2.3 目标信息提取 | 第22页 |
| 2.3 视频浓缩 | 第22-23页 |
| 2.4 视频检索 | 第23页 |
| 2.5 视频浓缩系统中的行人再辨识问题 | 第23-25页 |
| 2.5.1 行人再辨识基本框架 | 第23-24页 |
| 2.5.2 视频浓缩系统中的行人再辨识问题的特殊性 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 无监督的实时行人再辨识 | 第26-45页 |
| 3.1 引言 | 第26页 |
| 3.2 预处理 | 第26-28页 |
| 3.3 一级搜索结构 | 第28-37页 |
| 3.3.1 行人目标图像特征设计 | 第28-31页 |
| 3.3.2 基于局部最大出现模式特征提取 | 第31-34页 |
| 3.3.3 相似度度量匹配 | 第34-37页 |
| 3.3.4 构建初筛候选集 | 第37页 |
| 3.4 二级搜索结构 | 第37-42页 |
| 3.4.1 待解决的问题 | 第38页 |
| 3.4.2 图像局部特征提取 | 第38-42页 |
| 3.4.3 两级相似度融合 | 第42页 |
| 3.5 实验结果及分析 | 第42-43页 |
| 3.5.1 MLD_VLAD局部描述子性能评价 | 第42-43页 |
| 3.5.2 无监督实时行人再辨识评测 | 第43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 有监督的实时行人再辨识 | 第45-60页 |
| 4.1 引言 | 第45-46页 |
| 4.2 有监督的距离度量学习 | 第46-52页 |
| 4.2.1 保持简单直接的度量学习 | 第46-47页 |
| 4.2.2 相对距离比较学习 | 第47-49页 |
| 4.2.3 大间隔近邻学习 | 第49-51页 |
| 4.2.4 小结 | 第51-52页 |
| 4.3 基于皮尔逊相关距离的大间隔近邻学习 | 第52-55页 |
| 4.3.1 P-LMNN算法模型 | 第52-54页 |
| 4.3.2 P-LMNN算法流程 | 第54-55页 |
| 4.3.3 P-LMNN与LMNN使用区别 | 第55页 |
| 4.4 总结及实验分析 | 第55-58页 |
| 4.4.1 P-LMNN性能评测 | 第55-56页 |
| 4.4.2 视频浓缩系统中的行人再辨识评测 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 实时汽车再辨识 | 第60-65页 |
| 5.1 引言 | 第60页 |
| 5.2 级汽车再辨识结构 | 第60-63页 |
| 5.2.1 汽车目标图像特征提取 | 第61-62页 |
| 5.2.2 汽车目标图像相似度匹配 | 第62-63页 |
| 5.3 二级汽车再辨识结构 | 第63-64页 |
| 5.3.1 待解决问题 | 第63页 |
| 5.3.2 局部特征提取及相似度匹配 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |