跨相机车辆识别的关键技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 车辆检测 | 第11-12页 |
| 1.2.2 跨相机车辆识别 | 第12-13页 |
| 1.3 跨相机车辆识别的关键问题 | 第13-14页 |
| 1.3.1 目标检测 | 第13-14页 |
| 1.3.2 跨相机车辆识别 | 第14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第2章 基于DPM模型的车辆检测方法 | 第16-26页 |
| 2.1 DPM模型 | 第16-21页 |
| 2.1.1 DPM模型检测窗口 | 第16-17页 |
| 2.1.2 HOG特征 | 第17-18页 |
| 2.1.3 DPM模型的滤波器 | 第18-19页 |
| 2.1.4 DPM可变部件模型 | 第19-20页 |
| 2.1.5 隐藏变量SVM | 第20-21页 |
| 2.2 实验 | 第21-25页 |
| 2.2.1 基于DPM模型的车辆训练 | 第22-24页 |
| 2.2.2 车辆检测的实验和分析 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于视觉词袋模型与海明编码车辆检索方法 | 第26-39页 |
| 3.1 视觉词袋模型 | 第26-29页 |
| 3.1.1 视觉词袋模型的介绍 | 第26-29页 |
| 3.2 基于汉明编码的匹配 | 第29-33页 |
| 3.2.1 汉明编码的简介 | 第29-31页 |
| 3.2.2 海明编码的二进制形成 | 第31-32页 |
| 3.2.3 汉明距离的权值 | 第32-33页 |
| 3.3 多重分配方法 | 第33-34页 |
| 3.4 总体流程图 | 第34-35页 |
| 3.5 实验 | 第35-38页 |
| 3.5.1 数据采集与评价指标 | 第35-36页 |
| 3.5.2 词典规模与海明编码阈值实验 | 第36-37页 |
| 3.5.3 相似度实验 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于时空网络图跨相机车辆识别方法 | 第39-57页 |
| 4.1 视频预处理 | 第39-41页 |
| 4.1.1 镜头分割与关键帧提取 | 第40-41页 |
| 4.2 时空网络模型 | 第41-50页 |
| 4.2.1 时空网络图的构建 | 第41-42页 |
| 4.2.2 相似度预处理 | 第42-43页 |
| 4.2.3 符号表示 | 第43-44页 |
| 4.2.4 帧的比对和最大网络流问题 | 第44-46页 |
| 4.2.5 最大流问题的修剪和优化 | 第46-50页 |
| 4.3 总体流程图 | 第50页 |
| 4.4 实验 | 第50-56页 |
| 4.4.1 视频预处理实验 | 第51-52页 |
| 4.4.2 跨相机的车辆识别实验 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
