无重叠视域下行人再识别算法的研究
| 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 课题研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于特征表示的行人再识别 | 第12-14页 |
| 1.2.2 基于度量学习的行人再识别 | 第14-15页 |
| 1.3 本文研究内容及结构安排 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 论文结构安排 | 第16-18页 |
| 第二章 行人再识别相关技术介绍 | 第18-39页 |
| 2.1 引言 | 第18-19页 |
| 2.2 行人前景检测 | 第19-22页 |
| 2.2.1 基于背景建模的行人检测 | 第19-20页 |
| 2.2.2 基于统计学习的行人检测 | 第20-22页 |
| 2.3 视觉特征研究 | 第22-36页 |
| 2.3.1 低级特征表示 | 第22-33页 |
| 2.3.2 ColorNames特征 | 第33-35页 |
| 2.3.3 高级语义特征 | 第35-36页 |
| 2.4 相似度匹配准则 | 第36-38页 |
| 2.4.1 直接距离法 | 第36-37页 |
| 2.4.2 基于学习的方法 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于核学习的行人特征模型构建 | 第39-47页 |
| 3.1 引言 | 第39-40页 |
| 3.2 行人图像的预处理与分割 | 第40-44页 |
| 3.2.1 行人图像预处理 | 第40-43页 |
| 3.2.2 人体目标的分割 | 第43-44页 |
| 3.3 特征模型构建与特征的核学习 | 第44-46页 |
| 3.3.1 行人多特征模型的构建 | 第44-45页 |
| 3.3.2 特征的核学习投影 | 第45页 |
| 3.3.3 特征PCA降维 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 行人再识别中测度矩阵的学习 | 第47-52页 |
| 4.1 引言 | 第47-48页 |
| 4.2 距离测度矩阵的学习 | 第48-49页 |
| 4.3 独立测度矩阵的正则化与融合 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 实验结果及分析 | 第52-62页 |
| 5.1 引言 | 第52页 |
| 5.2 实验平台和数据 | 第52-55页 |
| 5.2.1 实验环境 | 第52-53页 |
| 5.2.2 数据库介绍 | 第53-55页 |
| 5.3 试验方法和评测指标 | 第55-56页 |
| 5.3.1 实验过程 | 第55页 |
| 5.3.2 CMC测评曲线 | 第55-56页 |
| 5.4 实验结果对比分析 | 第56-61页 |
| 5.4.1 VIPeR数据集的测试结果 | 第57-59页 |
| 5.4.2 CHUK01数据集的测试结果 | 第59-60页 |
| 5.4.3 iLIDS数据集的测试结果 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-65页 |
| 6.1 研究工作总结 | 第62-63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录1攻读硕士学位期间撰写的论文 | 第70-71页 |
| 附录2攻读硕士学位期间申请的专利 | 第71-72页 |
| 附录3攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 致谢 | 第73页 |
