声明
摘要
主要符号表
英文缩略词对照表
主要术语对照表
1 绪论
1.1 课题的研究背景及意义
1.2 关键问题和技术挑战
1.2.1 关键问题
1.2.2 技术挑战
1.3 国内外研究现状
1.3.1 相机视域匹配技术
1.3.2 基于外貌的行人再识别技术
1.4 本文主要研究内容与结构安排
1.4.1 主要研究内容
1.4.2 结构安排
2 单帧条件下基于多模式度量挖掘的行人重识别方法
2.1 引言
2.2 多种颜色模型及特征表示方法
2.3 单模式光照下基于KISSME度量学习的再识别
2.3.1 马氏度量学习
2.3.2 基于KISSME度量估计的独立排序器
2.3.3 基于结构化支持向量机的综合排序器
2.4 多模式光照下基于局部度量挖掘的重识别
2.4.1 多模度量学习
2.4.2 Log-Chromaticity空间中的颜色转移不变性
2.4.3 基于颜色转移不变性的多模式挖掘
2.4.4 度量选择策略
2.5 实验与分析
2.5.1 实验数据与实验设置
2.5.2 单模光照下实验结果与分析
2.5.3 多模光照下实验结果与分析
2.6 本章小结
3 非时序多帧下基于多示例卷积神经网的重识别方法
3.1 引言
3.2 多示例学习
3.2.1 概念和数学表示
3.2.2 多示例学习算法分类
3.3 深度学习网络与卷积神经网络
3.3.1 人工神经网到深度网络
3.3.2 卷积神经网
3.4 多示例Siamese卷积神经网
3.4.1 问题定义与数学表示
3.4.2 Siamese卷积神经网
3.4.3 基于示例空间的多示例Siamese卷积神经网
3.4.4 基于嵌入空间的多示例Siamese卷积神经网
3.5 实验与分析
3.5.1 实验数据与设置
3.5.2 结果与分析
3.6 本章小结
4 时序多帧下基于多实例度量学习的重识别方法
4.1 引言
4.2 基于树形结构的视频片段分割方法和外貌特征提取
4.2.1 视频片段分割问题定义
4.2.2 基于Wang-Landau自动权值更新算法的模拟退火优化方法
4.2.3 数据驱动的状态转移提议策略
4.2.4 外貌特征提取
4.3 基于光流法的视频片段分割方法和运动特征提取
4.3.1 基于光流法的视频片段分割方法
4.3.2 HOG3D特征提取
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
4.4.1 伪样本估计和检测策略
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
4.5 实验结果与分析
4.5.1 实验数据
4.5.2 实验设置
4.5.3 实验结果与分析
4.5.4 各部分评测实验与分析
4.6 本章小结
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
5.1 引言
5.2 时空活动性特征
5.2.1 时间活动性特征及存在问题
5.2.2 时空活动性特征
5.3 基于图割的优化匹配算法
5.3.1 条件随机场模型
5.3.2 图割算法优化
5.4 实验与分析
5.4.1 实验数据与评价方法
5.4.2 结果与分析
5.4.3 计算复杂度分析
5.5 本章小结
6 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介