| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第20-36页 |
| 1.1 课题的研究背景及意义 | 第20-22页 |
| 1.2 关键问题和技术挑战 | 第22-26页 |
| 1.2.1 关键问题 | 第22-23页 |
| 1.2.2 技术挑战 | 第23-26页 |
| 1.3 国内外研究现状 | 第26-32页 |
| 1.3.1 相机视域匹配技术 | 第27-28页 |
| 1.3.2 基于外貌的行人再识别技术 | 第28-32页 |
| 1.4 本文主要研究内容与结构安排 | 第32-36页 |
| 1.4.1 主要研究内容 | 第32-34页 |
| 1.4.2 结构安排 | 第34-36页 |
| 2 单帧条件下基于多模式度量挖掘的行人重识别方法 | 第36-62页 |
| 2.1 引言 | 第36-38页 |
| 2.2 多种颜色模型及特征表示方法 | 第38-40页 |
| 2.3 单模式光照下基于KISSME度量学习的再识别 | 第40-46页 |
| 2.3.1 马氏度量学习 | 第40-41页 |
| 2.3.2 基于KISSME度量估计的独立排序器 | 第41-43页 |
| 2.3.3 基于结构化支持向量机的综合排序器 | 第43-46页 |
| 2.4 多模式光照下基于局部度量挖掘的重识别 | 第46-53页 |
| 2.4.1 多模度量学习 | 第46-47页 |
| 2.4.2 Log-Chromaticity空间中的颜色转移不变性 | 第47-49页 |
| 2.4.3 基于颜色转移不变性的多模式挖掘 | 第49-50页 |
| 2.4.4 度量选择策略 | 第50-53页 |
| 2.5 实验与分析 | 第53-61页 |
| 2.5.1 实验数据与实验设置 | 第53-54页 |
| 2.5.2 单模光照下实验结果与分析 | 第54-57页 |
| 2.5.3 多模光照下实验结果与分析 | 第57-61页 |
| 2.6 本章小结 | 第61-62页 |
| 3 非时序多帧下基于多示例卷积神经网的重识别方法 | 第62-86页 |
| 3.1 引言 | 第62-63页 |
| 3.2 多示例学习 | 第63-66页 |
| 3.2.1 概念和数学表示 | 第63-64页 |
| 3.2.2 多示例学习算法分类 | 第64-66页 |
| 3.3 深度学习网络与卷积神经网络 | 第66-72页 |
| 3.3.1 人工神经网到深度网络 | 第66-70页 |
| 3.3.2 卷积神经网 | 第70-72页 |
| 3.4 多示例Siamese卷积神经网 | 第72-79页 |
| 3.4.1 问题定义与数学表示 | 第73-74页 |
| 3.4.2 Siamese卷积神经网 | 第74-75页 |
| 3.4.3 基于示例空间的多示例Siamese卷积神经网 | 第75-78页 |
| 3.4.4 基于嵌入空间的多示例Siamese卷积神经网 | 第78-79页 |
| 3.5 实验与分析 | 第79-85页 |
| 3.5.1 实验数据与设置 | 第80-81页 |
| 3.5.1.1 数据集 | 第80页 |
| 3.5.1.2 实验设置 | 第80页 |
| 3.5.1.3 参数设置 | 第80-81页 |
| 3.5.2 结果与分析 | 第81-85页 |
| 3.6 本章小结 | 第85-86页 |
| 4 时序多帧下基于多实例度量学习的重识别方法 | 第86-108页 |
| 4.1 引言 | 第86-87页 |
| 4.2 基于树形结构的视频片段分割方法和外貌特征提取 | 第87-93页 |
| 4.2.1 视频片段分割问题定义 | 第88-89页 |
| 4.2.2 基于Wang-Landau自动权值更新算法的模拟退火优化方法 | 第89-90页 |
| 4.2.3 数据驱动的状态转移提议策略 | 第90-92页 |
| 4.2.4 外貌特征提取 | 第92-93页 |
| 4.3 基于光流法的视频片段分割方法和运动特征提取 | 第93-96页 |
| 4.3.1 基于光流法的视频片段分割方法 | 第93-94页 |
| 4.3.2 HOG3D特征提取 | 第94-96页 |
| 4.4 基于多实例多标签距离度量学习的视频片段匹配方法 | 第96-102页 |
| 4.4.1 伪样本估计和检测策略 | 第97页 |
| 4.4.2 基于多实例多标签距离度量学习的视频片段匹配方法 | 第97-102页 |
| 4.5 实验结果与分析 | 第102-106页 |
| 4.5.1 实验数据 | 第102-103页 |
| 4.5.2 实验设量 | 第103页 |
| 4.5.3 实验结果与分析 | 第103-104页 |
| 4.5.4 各部分评测实验与分析 | 第104-106页 |
| 4.6 本章小结 | 第106-108页 |
| 5 基于时空活动性特征的相机视域匹配方法及其在重识别系统中的应用 | 第108-124页 |
| 5.1 引言 | 第108-109页 |
| 5.2 时空活动性特征 | 第109-112页 |
| 5.2.1 时间活动性特征及存在问题 | 第109-110页 |
| 5.2.2 时空活动性特征 | 第110-112页 |
| 5.3 基于图割的优化匹配算法 | 第112-116页 |
| 5.3.1 条件随机场模型 | 第112-115页 |
| 5.3.2 图割算法优化 | 第115-116页 |
| 5.4 实验与分析 | 第116-123页 |
| 5.4.1 实验数据与评价方法 | 第116-118页 |
| 5.4.2 结果与分析 | 第118-122页 |
| 5.4.3 计算复杂度分析 | 第122-123页 |
| 5.5 本章小结 | 第123-124页 |
| 6 结论与展望 | 第124-128页 |
| 6.1 结论 | 第124-125页 |
| 6.2 创新点 | 第125-126页 |
| 6.3 展望 | 第126-128页 |
| 参考文献 | 第128-138页 |
| 攻读博士学位期间科研项目及科研成果 | 第138-140页 |
| 致谢 | 第140-142页 |
| 作者简介 | 第142页 |
