视频监控网络中行人重识别关键技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第13-22页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 国内外研究现状分析 | 第15-19页 |
| 1.2.1 特征表示方法 | 第18页 |
| 1.2.2 判别模型 | 第18-19页 |
| 1.2.3 数据集 | 第19页 |
| 1.3 论文主要工作 | 第19-20页 |
| 1.4 论文章节安排 | 第20-22页 |
| 2 基于距离度量学习的行人重识别 | 第22-35页 |
| 2.1 本章引论 | 第22-23页 |
| 2.2 距离度量学习方法 | 第23-27页 |
| 2.2.1 损失函数 | 第24-25页 |
| 2.2.2 正则项 | 第25-26页 |
| 2.2.3 核函数 | 第26-27页 |
| 2.3 距离度量模型 | 第27-30页 |
| 2.3.1 颜色和纹理特征提取 | 第27-28页 |
| 2.3.2 距离度量模型训练 | 第28-29页 |
| 2.3.3 行人重识别测试 | 第29-30页 |
| 2.4 实验结果及分析 | 第30-34页 |
| 2.4.1 摄像头权值选取 | 第30-31页 |
| 2.4.2 行人重识别实验结果及分析 | 第31-34页 |
| 2.5 小结 | 第34-35页 |
| 3 基于核不相关局部Fisher判别的行人重识别 | 第35-47页 |
| 3.1 本章引论 | 第35-36页 |
| 3.2 Fisher判别分析方法 | 第36-39页 |
| 3.2.1 核不相关技术 | 第37页 |
| 3.2.2 局部Fisher判别分析 | 第37-39页 |
| 3.3 核不相关局部Fisher判别模型 | 第39-42页 |
| 3.3.1 行人特征处理 | 第39-40页 |
| 3.3.2 核不相关局部Fisher判别模型训练 | 第40-42页 |
| 3.3.3 行人重识别测试 | 第42页 |
| 3.4 实验结果及分析 | 第42-46页 |
| 3.4.1 正则化处理实验结果及分析 | 第43页 |
| 3.4.2 行人重识别实验结果及分析 | 第43-46页 |
| 3.5 小结 | 第46-47页 |
| 4 基于正则化联合贝叶斯的行人重识别 | 第47-61页 |
| 4.1 本章引论 | 第47页 |
| 4.2 贝叶斯度量学习方法 | 第47-50页 |
| 4.3 正则化联合贝叶斯模型 | 第50-55页 |
| 4.3.1 行人图像分割及特征提取 | 第52页 |
| 4.3.2 正则化联合贝叶斯模型训练 | 第52-55页 |
| 4.3.3 行人重识别测试 | 第55页 |
| 4.4 实验结果及分析 | 第55-59页 |
| 4.4.1 重叠分割方法实验结果及分析 | 第55-56页 |
| 4.4.2 正则化处理实验结果及分析 | 第56-57页 |
| 4.4.3 行人重识别实验结果及分析 | 第57-59页 |
| 4.5 小结 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 研究工作总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者简历 | 第68页 |
