| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 行人检测研究现状 | 第9-10页 |
| 1.2.2 行人再识别研究现状 | 第10页 |
| 1.2.3 行人行为识别研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-15页 |
| 第2章 基于卷积神经网络的行人检测与再识别相关理论 | 第15-21页 |
| 2.1 卷积神经网络 | 第15-17页 |
| 2.2 行人检测的相关理论 | 第17-19页 |
| 2.3 行人再识别的相关理论 | 第19-20页 |
| 2.4 行人动作识别的相关理论 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于重合框概率加权的Fast-RCNN行人检测算法 | 第21-35页 |
| 3.1 算法概述 | 第21-22页 |
| 3.2 算法原理分析 | 第22-31页 |
| 3.2.1 卷积神经网络的特征提取 | 第22-25页 |
| 3.2.2 感兴趣区域候选框和池化 | 第25-27页 |
| 3.2.3 分类损失函数设计 | 第27-28页 |
| 3.2.4 重合框概率加权 | 第28-31页 |
| 3.3 实验结果与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于非相关神经元抑制的行人再识别算法 | 第35-51页 |
| 4.1 算法概述 | 第35页 |
| 4.2 算法原理分析 | 第35-41页 |
| 4.2.1 训练前对数据的处理 | 第36-39页 |
| 4.2.2 神经元相关性及其评价 | 第39-41页 |
| 4.3 实验结果与分析 | 第41-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 基于多区域全卷积网络的行人动作识别算法 | 第51-63页 |
| 5.1 算法概述 | 第51页 |
| 5.2 算法原理及分析 | 第51-59页 |
| 5.2.1 平移不变性和平移敏感性 | 第52-54页 |
| 5.2.2 选择性搜索和相似性区域合并算法 | 第54-55页 |
| 5.2.3 网络结构及训练过程 | 第55-59页 |
| 5.3 实验结果与分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-71页 |
| 致谢 | 第71页 |