| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 论文研究内容与技术路线 | 第10-12页 |
| 2 行人再识别的相关文献综述 | 第12-21页 |
| 2.1 行人再识别研究概况 | 第12-14页 |
| 2.2 行人再识别研究方法综述 | 第14-21页 |
| 2.2.1 基于特征设计的方法 | 第14-17页 |
| 2.2.2 基于度量学习的方法 | 第17-18页 |
| 2.2.3 基于行人语义属性特征的方法 | 第18-21页 |
| 3 基于词袋模型和多特征匹配结果综合排序的行人再识别算法 | 第21-31页 |
| 3.1 算法总体框架 | 第21-22页 |
| 3.2 基于先验知识的相似度计算公式的改进 | 第22-23页 |
| 3.3 基于多特征匹配结果的综合排序方法 | 第23-25页 |
| 3.4 实验与结果分析 | 第25-31页 |
| 3.4.1 数据集和准确率评价准则 | 第25-26页 |
| 3.4.2 Market-1501数据集的实验结果 | 第26-28页 |
| 3.4.3 VIPeR数据集实验结果 | 第28-31页 |
| 4 基于语义属性的行人再识别算法 | 第31-46页 |
| 4.1 行人语义属性预测 | 第31-35页 |
| 4.1.1 语义属性特征表达 | 第32-33页 |
| 4.1.2 基于SVM的属性预测分类器 | 第33-35页 |
| 4.2 基于属性间关系的语义属性预测结果修正 | 第35-38页 |
| 4.2.1 行人语义属性间关系 | 第35-36页 |
| 4.2.2 语义属性特征在Zero-shot情景中的应用 | 第36-38页 |
| 4.3 基于语义属性特征和度量学习模型的相似度计算 | 第38-40页 |
| 4.4 实验与结果分析 | 第40-46页 |
| 4.4.1 语义属性预测准确率 | 第40-41页 |
| 4.4.2 数据集和准确率评价准则 | 第41-42页 |
| 4.4.3 实验结果与分析 | 第42-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
