|
|
|
基于视频的行人重识别研究 |
|
论文目录 |
|
摘要 | 第3-5页 | abstract | 第5-6页 | 第一章 绪论 | 第12-19页 | 1.1 研究背景及意义 | 第12-13页 | 1.2 国内外研究现状 | 第13-17页 | 1.2.1 基于图像的行人重识别 | 第14-16页 | 1.2.2 基于视频的行人重识别 | 第16-17页 | 1.3 本文研究内容 | 第17页 | 1.4 本文章节安排 | 第17-19页 | 第二章 行人重识别相关技术 | 第19-32页 | 2.1 图像前景提取 | 第19-21页 | 2.2 传统特征表示 | 第21-24页 | 2.2.1 颜色特征 | 第21-23页 | 2.2.2 纹理特征 | 第23-24页 | 2.3 卷积神经网络特征 | 第24-29页 | 2.3.1 卷积层 | 第24-25页 | 2.3.2 池化层 | 第25页 | 2.3.3 激活函数层 | 第25-26页 | 2.3.4 全连接层 | 第26-27页 | 2.3.5 Softmax层 | 第27页 | 2.3.6 dropout层 | 第27-28页 | 2.3.7 反向传播算法 | 第28-29页 | 2.4 相似性度量方法 | 第29-30页 | 2.5 行人重识别的评价标准 | 第30-31页 | 2.6 本章小结 | 第31-32页 | 第三章 基于传统特征融合与度量学习的行人重识别 | 第32-40页 | 3.1 底层颜色纹理特征提取 | 第32-33页 | 3.2 初步相似度比对 | 第33-34页 | 3.3 时空特征提取 | 第34-36页 | 3.3.1 利用光流能量值提取特征片段 | 第34-35页 | 3.3.2 三维角点检测 | 第35页 | 3.3.3 三维hog特征提取 | 第35-36页 | 3.4 基于视频的顶推距离度量学习模型 | 第36-37页 | 3.5 实验仿真 | 第37-39页 | 3.5.1 数据集 | 第37页 | 3.5.2 实验结果分析 | 第37-39页 | 3.6 本章小结 | 第39-40页 | 第四章 属性特征与SVM分类的行人重识别 | 第40-46页 | 4.1 底层特征提取 | 第40页 | 4.2 属性特征检测 | 第40-41页 | 4.3 SDALF模型融合 | 第41-42页 | 4.4 实验结果分析 | 第42-45页 | 4.5 本章小结 | 第45-46页 | 第五章 多属性特征融合网络的行人重识别 | 第46-57页 | 5.1 数据集预处理 | 第46-47页 | 5.2 多属性融合网络结构 | 第47-49页 | 5.3 图像分段式质量评估 | 第49页 | 5.4 行人的属性选取与标注 | 第49-51页 | 5.5 实验结果分析 | 第51-55页 | 5.6 本章小结 | 第55-57页 | 第六章 总结与展望 | 第57-59页 | 6.1 本文工作总结 | 第57-58页 | 6.2 工作展望 | 第58-59页 | 参考文献 | 第59-63页 | 致谢 | 第63-64页 | 攻读硕士学位期间已发表或录用的论文 | 第64-66页 |
|
|
|
|
论文编号BS4628715,这篇论文共66页 会员购买按0.35元/页下载,共需支付23.1元。 直接购买按0.5元/页下载,共需要支付33元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|