| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 行人再识别的科学问题 | 第16-25页 |
| 2.1 问题提出 | 第16-17页 |
| 2.2 特征描述 | 第17-21页 |
| 2.2.1 颜色特征 | 第17-19页 |
| 2.2.2 纹理特征 | 第19-21页 |
| 2.3 数据与标准 | 第21-24页 |
| 2.3.1 数据库 | 第21-23页 |
| 2.3.2 评测标准 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 映射模型学习和稀疏表示排序的行人再识别技术研究 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 特征提取 | 第25-26页 |
| 3.3 映射模型学习 | 第26-33页 |
| 3.3.1 不同视域的特征差异 | 第26-28页 |
| 3.3.2 视图特性变换降低差异 | 第28-29页 |
| 3.3.3 一致性正则化 | 第29-30页 |
| 3.3.4 核扩展 | 第30-31页 |
| 3.3.5 优化求解 | 第31-32页 |
| 3.3.6 距离特性 | 第32-33页 |
| 3.4 迭代重加权稀疏排序 | 第33-36页 |
| 3.4.1 稀疏表示 | 第33-34页 |
| 3.4.2 稀疏基扩展 | 第34-35页 |
| 3.4.3 迭代稀疏行排序 | 第35-36页 |
| 3.5 实验仿真研究 | 第36-41页 |
| 3.5.1 VIPeR数据库 | 第36-38页 |
| 3.5.2 PRID450S数据库 | 第38-39页 |
| 3.5.3 CUHK01数据库 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 局部最大概率特征结合映射模型学习的行人再识别研究 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 局部最大概率特征 | 第42-44页 |
| 4.2.1 处理光照变化 | 第42-43页 |
| 4.2.2 处理角度变化 | 第43-44页 |
| 4.3 映射模型学习 | 第44页 |
| 4.4 实验仿真研究 | 第44-49页 |
| 4.4.1 VIPeR数据库 | 第45-46页 |
| 4.4.2 PRID450S数据库 | 第46-47页 |
| 4.4.3 CUHK01数据库 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 深度分解网络前景提取和映射模型学习的行人再识别研究 | 第50-61页 |
| 5.1 引言 | 第50页 |
| 5.2 深度分解网络的前景分割 | 第50-56页 |
| 5.2.1 遮挡估计层训练 | 第52-53页 |
| 5.2.2 完成层训练 | 第53-54页 |
| 5.2.3 分解层训练 | 第54页 |
| 5.2.4 网络调整 | 第54-56页 |
| 5.3 特征提取 | 第56页 |
| 5.4 映射模型学习 | 第56-57页 |
| 5.5 实验仿真研究 | 第57-60页 |
| 5.5.1 VIPeR数据库 | 第57-58页 |
| 5.5.2 PRID450S数据库 | 第58-59页 |
| 5.5.3 CUHK01数据库 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69页 |
