BOF特征提取算法的改进及在行人再识别问题上的应用研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 行人再识别面临的挑战 | 第10-11页 |
| 1.2.2 当前国内外的研究现状 | 第11-14页 |
| 1.3 论文的研究内容与创新点 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-16页 |
| 2 行人再识别的总体流程 | 第16-28页 |
| 2.1 前景提取 | 第16-20页 |
| 2.1.1 时序差分法 | 第16-17页 |
| 2.1.2 背景差分法 | 第17-19页 |
| 2.1.3 光流法 | 第19-20页 |
| 2.2 特征提取 | 第20-24页 |
| 2.2.1 基于颜色的特征提取 | 第20-22页 |
| 2.2.2 基于纹理的特征提取 | 第22-23页 |
| 2.2.3 基于方向梯度直方图的特征提取 | 第23-24页 |
| 2.3 匹配分类 | 第24-27页 |
| 2.3.1 直接距离法 | 第24-26页 |
| 2.3.2 支持向量机匹配分类 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 改进的BOF算法特征提取及匹配分类 | 第28-43页 |
| 3.1 传统的BOF算法 | 第28-31页 |
| 3.1.1 基于尺度不变特征转换 | 第28-29页 |
| 3.1.2 K-Means聚类 | 第29-31页 |
| 3.1.3 AdaBoost匹配分类 | 第31页 |
| 3.2 改进的BOF算法 | 第31-38页 |
| 3.2.1 改进的BOF算法流程 | 第32-33页 |
| 3.2.2 SURF算法 | 第33-35页 |
| 3.2.3 空间金字塔匹配下的BOF算法表示 | 第35-37页 |
| 3.2.4 LIBSVM | 第37-38页 |
| 3.3 实验结果与分析 | 第38-42页 |
| 3.3.1 数据集 | 第38-39页 |
| 3.3.2 实验设置 | 第39页 |
| 3.3.3 结果与分析 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 改进的BOF融合协方差描述符的行人再识别 | 第43-55页 |
| 4.1 协方差描述符 | 第43-44页 |
| 4.2 行人再识别的数据集与评价准则 | 第44-49页 |
| 4.2.1 行人再识别的数据集 | 第44-47页 |
| 4.2.2 行人再识别的评价准则 | 第47-49页 |
| 4.3 实验结果与分析 | 第49-54页 |
| 4.3.1 实验设置 | 第49-50页 |
| 4.3.2 实验对比算法简介 | 第50页 |
| 4.3.3 结果与分析 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 | 第63页 |
