| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究意义 | 第8页 |
| 1.3 论文研究内容及技术路线 | 第8-10页 |
| 2 行人再识别的相关文献综述 | 第10-19页 |
| 2.1 行人再识别研究概况 | 第10-11页 |
| 2.2 single-shot场景下行人再识别研究方法综述 | 第11-17页 |
| 2.2.1 基于底层特征设计的方法 | 第11-14页 |
| 2.2.2 基于顶层行人语义属性特征的方法 | 第14-15页 |
| 2.2.3 基于距离度量的方法 | 第15-17页 |
| 2.3 Multi-shot场景下行人再识别研究方法综述 | 第17-19页 |
| 2.3.1 基于特征设计的方法 | 第17页 |
| 2.3.2 基于距离度量的方法 | 第17-19页 |
| 3 Single-shot场景下结合语义属性和身体区域的行人再识别方法 | 第19-32页 |
| 3.1 算法框架 | 第19页 |
| 3.2 LOMO特征提取 | 第19-20页 |
| 3.3 语义属性特征提取和加权 | 第20-21页 |
| 3.4 基于身体区域的行人再识别 | 第21-26页 |
| 3.4.1 划分上下半身 | 第21-22页 |
| 3.4.2 基于上下半身的特征融合 | 第22-23页 |
| 3.4.3 基于特定样本的支持向量机学习 | 第23-24页 |
| 3.4.4 相似度融合 | 第24-25页 |
| 3.4.5 算法总体流程 | 第25-26页 |
| 3.5 实验结果分析 | 第26-32页 |
| 3.5.1 数据集 | 第26页 |
| 3.5.2 语义属性特征提取 | 第26-28页 |
| 3.5.3 行人再识别实验结果分析 | 第28-32页 |
| 4 Multi-shot场景下结合AdaBoost的行人再识别方法 | 第32-43页 |
| 4.1 算法框架 | 第32-33页 |
| 4.2 基于行人图片序列特征的行人再识别 | 第33-35页 |
| 4.2.1 外貌特征提取及池化 | 第34页 |
| 4.2.2 时空特征提取 | 第34-35页 |
| 4.2.3 基于特定样本的支持向量机的距离计算方法 | 第35页 |
| 4.3 基于行人图片序列度量学习方法的行人再识别 | 第35-37页 |
| 4.4 基于AdaBoost的算法集成框架 | 第37-39页 |
| 4.5 实验与结果分析 | 第39-43页 |
| 4.5.1 数据集及评价准则 | 第39-40页 |
| 4.5.2 实验结果分析 | 第40-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-53页 |
