低分辨率监控视频下的行人再识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-16页 |
| 1.1 监控视频的应用和研究 | 第10-12页 |
| 1.2 行人再识别的应用现状 | 第12-14页 |
| 1.3 本文研究内容及创新点 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 2 行人再识别框架 | 第16-24页 |
| 2.1 行人再识别框架简介 | 第16-17页 |
| 2.2 行人再识别中的特征表示 | 第17-20页 |
| 2.2.1 低级特征表示 | 第17-18页 |
| 2.2.2 高级语义特征 | 第18-19页 |
| 2.2.3 特征研究方法 | 第19-20页 |
| 2.3 行人再识别中的匹配方法 | 第20-21页 |
| 2.4 行人再识别的难点 | 第21-24页 |
| 3 行人再识别中的行人检测及分割 | 第24-52页 |
| 3.1 基于HOG的行人检测 | 第24-29页 |
| 3.1.1 HOG特征简介 | 第24-25页 |
| 3.1.2 HOG特征提取的实现过程 | 第25-29页 |
| 3.2 基于BING的物体检测 | 第29-35页 |
| 3.2.1 BING构建候选窗口简介 | 第29-30页 |
| 3.2.2 基于BING的物体检测过程 | 第30-31页 |
| 3.2.3 二值化的详细过程 | 第31-35页 |
| 3.3 基于候选窗口的HOG行人检测 | 第35-42页 |
| 3.4 基于动态视频序列的图像分割 | 第42-45页 |
| 3.4.1 帧间差分 | 第42-43页 |
| 3.4.2 背景减除 | 第43-44页 |
| 3.4.3 光流法 | 第44-45页 |
| 3.5 基于超像素的图像分割 | 第45-49页 |
| 3.5.1 超像素简介 | 第45-46页 |
| 3.5.2 SLIC超像素简介 | 第46-47页 |
| 3.5.3 基于SLIC的局部-全局图像分割 | 第47-49页 |
| 3.6 基于超像素的行人分割 | 第49-52页 |
| 4 行人再识别中的特征变换及匹配 | 第52-58页 |
| 4.1 行人再识别中的特征转换 | 第52-53页 |
| 4.2 行人再识别中的特征匹配 | 第53-54页 |
| 4.3 行人再识别的评价指标 | 第54-55页 |
| 4.4 行人再识别的数据集 | 第55-58页 |
| 5 实验过程及结果 | 第58-64页 |
| 5.1 实验平台 | 第58页 |
| 5.2 实验数据集 | 第58-60页 |
| 5.3 实验过程 | 第60-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 本文总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |
