| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 本文的工作与安排 | 第15-17页 |
| 第二章 行人重识别方法简介 | 第17-25页 |
| 2.1 基于单帧图像的方法简介 | 第18-21页 |
| 2.1.1 行人图像特征表示 | 第18-20页 |
| 2.1.2 行人图像距离度量 | 第20-21页 |
| 2.2 基于视频序列的方法简介 | 第21-23页 |
| 2.2.1 行人序列特征表示 | 第21-22页 |
| 2.2.2 行人序列距离度量 | 第22-23页 |
| 2.3 基于深度学习的方法简介 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于视觉显著性增强的单帧图像行人重识别研究 | 第25-35页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于流形排序最大局部发生率的视觉显著性增强特征 | 第26-30页 |
| 3.2.1 流形排序 | 第26-28页 |
| 3.2.2 显著性特征融合 | 第28-30页 |
| 3.3 基于顶部排序相似性度量 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-34页 |
| 3.4.1 参数设定和数据集介绍 | 第31-32页 |
| 3.4.2 实验结果分析 | 第32-33页 |
| 3.4.3 组成成分分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于低秩和稀疏表示子空间学习的视频序列行人重识别研究 | 第35-53页 |
| 4.1 引言 | 第35页 |
| 4.2 基于低秩和稀疏表示子空间聚类行人重识别模型 | 第35-41页 |
| 4.2.1 目标函数构建 | 第35-38页 |
| 4.2.2 目标函数求解 | 第38-41页 |
| 4.3 子空间聚类和相似性度量 | 第41-42页 |
| 4.3.1 子空间聚类 | 第41页 |
| 4.3.2 基于交叉二次判别分析相似性度量 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-52页 |
| 4.4.1 参数设定和数据集介绍 | 第43-44页 |
| 4.4.2 实验结果分析 | 第44-49页 |
| 4.4.3 组成成分和其他分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 未来展望 | 第53-55页 |
| 参考文献 | 第55-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 攻读硕士学位期间参加的科研项目 | 第65页 |
