| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 行人检测和再识别的研究现状 | 第10-12页 |
| 1.2.1 行人检测的研究现状 | 第10页 |
| 1.2.2 再识别的研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 行人检测和再识别算法概述 | 第14-21页 |
| 2.1 行人检测和再识别算法框架 | 第14-15页 |
| 2.2 行人检测算法概述 | 第15-18页 |
| 2.2.1 特征选择 | 第15-17页 |
| 2.2.2 分类算法 | 第17-18页 |
| 2.3 再识别算法概述 | 第18-20页 |
| 2.3.1 特征表示 | 第18页 |
| 2.3.2 度量学习 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于增强聚合滤波通道特征的公交乘客检测算法 | 第21-33页 |
| 3.1 增强聚合滤波通道特征算法框架 | 第21-22页 |
| 3.2 基于增强聚合滤波通道特征的行人检测 | 第22-26页 |
| 3.2.1 图像增强Retinex算法 | 第22-23页 |
| 3.2.2 聚合滤波通道特征 | 第23-25页 |
| 3.2.3 Adaboost分类 | 第25页 |
| 3.2.4 特征提取与检测器的实现 | 第25-26页 |
| 3.3 公共行人数据集实验 | 第26-29页 |
| 3.3.1 公共行人数据集 | 第26-27页 |
| 3.3.2 公共行人检测实验 | 第27-29页 |
| 3.4 公交乘客的检测 | 第29-32页 |
| 3.4.1 数据集创建 | 第29-30页 |
| 3.4.2 公交乘客检测实验 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于enLDFV和XQDA组合的公交乘客再识别 | 第33-43页 |
| 4.1 公交乘客再识别数据库 | 第33-34页 |
| 4.2 基于enLDFV和XQDA组合的再识别算法 | 第34-37页 |
| 4.2.1 基于enLDFV和XQDA组合的再识别算法框架 | 第34页 |
| 4.2.2 enLDFV特征表示 | 第34-36页 |
| 4.2.3 XQDA度量学习 | 第36-37页 |
| 4.3 公交乘客再识别实验 | 第37-42页 |
| 4.3.1 VIPER行人再识别 | 第38-40页 |
| 4.3.2 公交乘客再识别 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 发表论文和科研情况说明 | 第48-49页 |
| 致谢 | 第49页 |
