多视图行人重识别算法研究与数据采集
| 摘要 | 第8-10页 |
| 英文摘要 | 第10-11页 |
| 1. 绪论 | 第12-15页 |
| 1.1. 课题研究背景及意义 | 第12-13页 |
| 1.1.1. 研究背景 | 第12-13页 |
| 1.1.2. 研究意义 | 第13页 |
| 1.2. 国内外研究现状 | 第13页 |
| 1.3. 本文主要工作 | 第13-14页 |
| 1.4. 本文组织结构 | 第14-15页 |
| 2. 智能行人监控问题分析 | 第15-22页 |
| 2.1. 问题分析与挑战 | 第15-20页 |
| 2.1.1. 单相机视频监控的子问题分解 | 第15-16页 |
| 2.1.2. 多相机视频监控的子问题分解 | 第16-18页 |
| 2.1.3. 相关研究综述 | 第18-20页 |
| 2.2. 行人重识别子问题的意义 | 第20-21页 |
| 2.2.1. 在大范围监控中 | 第20-21页 |
| 2.2.2. 在行人密集场景下 | 第21页 |
| 2.3. 小结 | 第21-22页 |
| 3. 行人重识别算法研究 | 第22-34页 |
| 3.1. 算法框架与效果评价方法 | 第22-26页 |
| 3.1.1. 行人重识别算法框架 | 第22-24页 |
| 3.1.2. 特征提取相关工作 | 第24页 |
| 3.1.3. 度量学习相关工作 | 第24-25页 |
| 3.1.4. 算法效果评价方法 | 第25-26页 |
| 3.2. 深度学习方法介绍 | 第26-32页 |
| 3.2.1. 网络设计 | 第27-28页 |
| 3.2.2. 数据生成与网络训练 | 第28-29页 |
| 3.2.3. 最终结果处理与评价 | 第29-32页 |
| 3.2.4. 网络具体实现 | 第32页 |
| 3.3. 小结 | 第32-34页 |
| 4. 行人数据采集系统设计与实现 | 第34-49页 |
| 4.1. 行人数据集对算法研究与评价的意义 | 第34-35页 |
| 4.2. 现有行人数据集介绍 | 第35-39页 |
| 4.2.1. 行人检测和跟踪数据集 | 第35-37页 |
| 4.2.2. 行人重识别数据集 | 第37-39页 |
| 4.3. 数据集采集工作介绍 | 第39-43页 |
| 4.3.1. 采集内容 | 第39页 |
| 4.3.2. 采集设备和节点 | 第39-42页 |
| 4.3.3. 控制网络和采集流程 | 第42-43页 |
| 4.4. 数据集采集系统实现 | 第43-46页 |
| 4.5. 数据集标定过程介绍 | 第46-48页 |
| 4.6. 小结 | 第48-49页 |
| 5. 总结与展望 | 第49-51页 |
| 5.1. 总结 | 第49页 |
| 5.2. 局限性与展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 学位论文评阅及答辩情况表 | 第57页 |
