| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 课题的研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文的主要工作及内容安排 | 第9-11页 |
| 2 行人检测与跟踪 | 第11-32页 |
| 2.1 引言 | 第11页 |
| 2.2 行人检测算法研究与比较 | 第11-17页 |
| 2.2.1 背景差分法 | 第11-15页 |
| 2.2.2 基于统计学习的方法 | 第15-17页 |
| 2.3 基于背景差分与学习的行人检测 | 第17-29页 |
| 2.3.1 行人检测架构 | 第18页 |
| 2.3.2 基于ViBe算法的背景差分法实现 | 第18-21页 |
| 2.3.3 基于梯度直方图特征与支持向量机的学习方法实现 | 第21-27页 |
| 2.3.4 实验结果与分析 | 第27-29页 |
| 2.4 行人跟踪 | 第29-31页 |
| 2.4.1 基于CamShift算法的行人跟踪实现 | 第29-31页 |
| 2.4.2 实验结果与分析 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 特征提取与关键帧选取 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 局部最大重现特征提取 | 第32-38页 |
| 3.2.1 颜色和纹理特征 | 第32-37页 |
| 3.2.2 视点变化处理 | 第37-38页 |
| 3.3 其他特征提取 | 第38-44页 |
| 3.3.1 主颜色特征 | 第38-39页 |
| 3.3.2 形状特征 | 第39-42页 |
| 3.3.3 人脸特征 | 第42-44页 |
| 3.3.4 特征融合 | 第44页 |
| 3.4 关键帧选取 | 第44-49页 |
| 3.4.1 关键帧提取方法概述 | 第45页 |
| 3.4.2 基于运动对象面积以及脸部所占比例的关键帧提取 | 第45-47页 |
| 3.4.3 关键帧脸部区域处理 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 度量学习的研究与实现 | 第50-60页 |
| 4.1 引言 | 第50页 |
| 4.2 相似距离度量 | 第50-51页 |
| 4.3 行人再识别中度量学习的研究 | 第51-53页 |
| 4.4 基于XQDA的度量学习实现 | 第53-55页 |
| 4.5 实验结果与分析 | 第55-59页 |
| 4.6 本章小结 | 第59-60页 |
| 5 检索系统的设计与实现 | 第60-66页 |
| 5.1 系统的开发环境介绍 | 第60页 |
| 5.2 系统实现的原理及架构 | 第60-61页 |
| 5.3 系统软件实现 | 第61-65页 |
| 5.3.1 视频处理系统 | 第61-63页 |
| 5.3.2 用户查询系统 | 第63-65页 |
| 5.4 系统测试 | 第65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |
