监控视频中的车辆再识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 目标检测研究 | 第10-11页 |
| 1.2.2 目标再识别研究 | 第11-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文章节安排 | 第14-17页 |
| 第二章 运动车辆检测 | 第17-33页 |
| 2.1 概述 | 第17页 |
| 2.2 基于ViBe算法的运动检测 | 第17-20页 |
| 2.2.1 ViBe模型的工作原理 | 第17-18页 |
| 2.2.2 背景建模与更新 | 第18-20页 |
| 2.3 基于可变形部件模型的车辆检测 | 第20-29页 |
| 2.3.1 可变形部件模型简介 | 第20-21页 |
| 2.3.2 DPM的特征 | 第21-22页 |
| 2.3.3 DPM的检测模型 | 第22-23页 |
| 2.3.4 DPM的检测流程 | 第23-26页 |
| 2.3.5 DPM模型训练 | 第26-27页 |
| 2.3.6 混合模型 | 第27-29页 |
| 2.4 实验结果与分析 | 第29-31页 |
| 2.4.1 实验环境 | 第29页 |
| 2.4.2 运动检测结果 | 第29-30页 |
| 2.4.3 车辆检测结果 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于颜色特征的车辆再识别 | 第33-41页 |
| 3.1 概述 | 第33页 |
| 3.2 构建颜色查找表 | 第33-37页 |
| 3.2.1 颜色对照表 | 第33-36页 |
| 3.2.2 颜色编码 | 第36-37页 |
| 3.3 提取车辆颜色特征描述符 | 第37-40页 |
| 3.3.1 处理车辆反光区域 | 第37-38页 |
| 3.3.2 提取车辆颜色特征描述符 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于卷积神经网络的车辆再识别 | 第41-67页 |
| 4.1 概述 | 第41-42页 |
| 4.2 基于AlexNet网络的特征提取 | 第42-47页 |
| 4.2.1 AlexNet网络结构 | 第42-45页 |
| 4.2.2 AlexNet网络结构的微调 | 第45-47页 |
| 4.3 基于Siamese网络的特征提取 | 第47-54页 |
| 4.3.1 经典的Siamese网络结构 | 第47-51页 |
| 4.3.2 改进的Siamese网络结构 | 第51-54页 |
| 4.4 实验数据和实验环境 | 第54-57页 |
| 4.4.1 实验数据 | 第54-56页 |
| 4.4.2 实验环境 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-65页 |
| 4.5.1 相似度计算 | 第57-58页 |
| 4.5.2 评价指标 | 第58-60页 |
| 4.5.3 实验结果 | 第60-64页 |
| 4.5.4 实验分析 | 第64-65页 |
| 4.6 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者在攻读硕士学位期间发表的论文和成果 | 第75页 |
