| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 相关技术国内外研究现状 | 第10-15页 |
| 1.2.1 目标检测 | 第11-12页 |
| 1.2.2 目标跟踪 | 第12-13页 |
| 1.2.3 目标匹配 | 第13-15页 |
| 1.3 研究存在的问题 | 第15-16页 |
| 1.4 本文的主要工作与结构安排 | 第16-18页 |
| 第二章 目标匹配相关技术分析 | 第18-29页 |
| 2.1 无重叠视域智能视频监控系统 | 第18-19页 |
| 2.2 行人目标的特征与表示 | 第19-22页 |
| 2.2.1 颜色特征 | 第19-20页 |
| 2.2.2 局部特征 | 第20-21页 |
| 2.2.3 纹理特征和融合特征 | 第21-22页 |
| 2.3 目标的相似性度量与匹配 | 第22-26页 |
| 2.3.1 欧式距离、巴氏距离和马氏距离 | 第22-23页 |
| 2.3.2 距离测度学习算法 | 第23-25页 |
| 2.3.3 机器学习分类法 | 第25-26页 |
| 2.4 性能评价指标 | 第26-29页 |
| 2.4.1 标准数据集 | 第26-28页 |
| 2.4.2 评估方法 | 第28-29页 |
| 第三章 关联特征的距离测度学习模型 | 第29-44页 |
| 3.1 颜色特征 | 第29-34页 |
| 3.1.1 颜色空间 | 第29-32页 |
| 3.1.2 颜色直方图 | 第32-33页 |
| 3.1.3 主颜色谱直方图 | 第33-34页 |
| 3.2 局部特征-HOG | 第34-36页 |
| 3.3 本文的特征提取方法 | 第36-37页 |
| 3.3.1 本文的颜色特征提取过程 | 第36-37页 |
| 3.3.2 本文的HOG特征提取过程 | 第37页 |
| 3.4 距离测度学习算法 | 第37-42页 |
| 3.4.1 DCA判别分量分析测度学习 | 第38-39页 |
| 3.4.2 ITML信息论测度学习 | 第39-40页 |
| 3.4.3 RDC相对距离比较测度学习 | 第40-41页 |
| 3.4.4 KISS保持简单直接的测度学习 | 第41-42页 |
| 3.5 关联模型 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 自适应的在线目标匹配 | 第44-54页 |
| 4.1 基于测度学习目标匹配一般性方法 | 第44-46页 |
| 4.2 在线目标匹配的特征向量提取 | 第46-48页 |
| 4.2.1 外观特征选择 | 第46页 |
| 4.2.2 联合颜色直方图 | 第46-47页 |
| 4.2.3 基于颜色显著度的加权颜色特征 | 第47-48页 |
| 4.2.4 构造特征向量 | 第48页 |
| 4.3 自适应的在线目标匹配方法 | 第48-52页 |
| 4.3.1 初始线下训练阶段 | 第48-49页 |
| 4.3.2 在线目标匹配阶段 | 第49-50页 |
| 4.3.3 测度更新阶段 | 第50-52页 |
| 4.4 基于多特征的自适应在线目标匹配方法 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于重排序的DML目标匹配 | 第54-63页 |
| 5.1 基于一次排序和排序后处理的目标匹配研究现状 | 第54-55页 |
| 5.2 目标匹配再识别的双向排序算法 | 第55-59页 |
| 5.2.1 前向排序 | 第56页 |
| 5.2.2 反向排序 | 第56-57页 |
| 5.2.3 内容相似性 | 第57页 |
| 5.2.4 上下文相似性 | 第57-58页 |
| 5.2.5 目标相似性得分函数 | 第58页 |
| 5.2.6 双向排序算法求解过程 | 第58-59页 |
| 5.3 基于共同近邻分布信息改进的重排序算法 | 第59-62页 |
| 5.3.1 改进的上下文相似性函数 | 第59-60页 |
| 5.3.2 改进的目标相似性得分函数 | 第60页 |
| 5.3.3 基于重排序的DML目标匹配算法 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 实验结果与分析 | 第63-75页 |
| 6.1 实验环境 | 第63页 |
| 6.2 关联特征的距离测度学习模型实验分析 | 第63-68页 |
| 6.2.1 RGB颜色直方图特征在不同测度学习算法下的性能实验 | 第63-65页 |
| 6.2.2 HSV颜色直方图特征在不同测度学习算法下的性能实验 | 第65-66页 |
| 6.2.3 MCSH特征在不同测度学习算法下的性能实验 | 第66-67页 |
| 6.2.4 HOG特征在不同测度学习算法下的性能实验 | 第67-68页 |
| 6.2.5 特征和测度学习算法实验纵向性能分析 | 第68页 |
| 6.3 基于多特征的自适应在线目标匹配方法实验分析 | 第68-71页 |
| 6.3.1 基于多特征的固定参数目标匹配方法性能实验 | 第68-69页 |
| 6.3.2 基于多特征的自适应在线目标匹配方法性能实验 | 第69-70页 |
| 6.3.3 基于颜色显著度加权的多特征自适应在线目标匹配方法性能实验 | 第70-71页 |
| 6.4 基于重排序的DML目标匹配算法实验分析 | 第71-73页 |
| 6.4.1 一次排序和双向排序的目标匹配算法性能对比实验 | 第71-72页 |
| 6.4.2 双向排序和本文重排序目标匹配算法性能实验 | 第72-73页 |
| 6.5 本章小结 | 第73-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 总结 | 第75-76页 |
| 7.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 附录1 攻读硕士学位期间申请的专利 | 第81-82页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第82-83页 |
| 致谢 | 第83页 |
