行人重识别技术

行人重识别是计算机视觉领域的重要分支。本书在内 容上涵盖了部分传统的以及当前主流的行人重识别算法。 全书共13章，分为5个部分：第1部分（第1章和第2章）阐 述行人重识别的研究现状以及一些传统的方法和数据库； 第2部分（第3～5章）介绍度量学习在行人重识别中的应用 与研究；第3部分（第6～9章）讨论一些基于字典学习的行 人重识别方法；第4部分（第10～12章）对当前流行的深度 学习行人重识别算法进行探讨和分析；第5部分（第13章） 介绍行人重识别数据库的采集与构建方法。 本书可供图像检索和行人重识别相关领域研究人员和 工程技术人员阅读参考，也可供对机器学习及行人重识别 技术感兴趣的人士参考。

第1部分 绪论 第1章 行人重识别概论 1.1 课题背景与意义 1.2 行人重识别研究现状与进展 1.2.1 基于图像的行人重识别研究 1.2.2 基于视频的行人重识别研究 1.2.3 分类与评价方法 1.3 行人重识别研究不足与展望 1.4 本书的内容安排 参考文献 第2章 行人重识别研究综述 2.1 传统的行人重识别方法 2.1.1 基于特征表示的方法 2.1.2 基于匹配模型的方法 2.1.3 基于距离度量学习的方法 2.1.4 稀疏表示相关技术 2.2 基于深度学习的方法 2.3 行人重识别数据库现状 2.3.1 基于图像的数据库 2.3.2 基于视频的数据库 参考文献 第2部分 度量学习在行人重识别中的应用与研究 第3章 基于负样本区别对待的度量学习行人重识别算法 3.1 伪装者样本定义及本章研究内容 3.2 伪装者样本与正确匹配样本对的对应关系及伪装者样本去除 3.3 基于负样本区别对待的度量学习 3.3.1 负样本划分 3.3.2 问题建模 3.3.3 目标函数优化 3.4 实验设置与结果 3.4.1 VIPeR数据集上的实验结果 3.4.2 ETHZ数据集上的实验结果 3.4.3 i-LIDS数据集上的实验结果 3.5 LISTEN有效性评估 3.5.1 对称三元组约束的作用 3.5.2 良好可分负样本的作用 参考文献 第4章 基于集合的度量学习行人重识别算法 4.1 基于集合的度量学习与本章的研究内容 4.2 与SI2DL相关的工作 4.2.1 基于视频的行人重识别 4.2.2 基于集合的度量学习 4.3 视频内和视频间度量学习方法 4.3.1 问题建模 4.3.2 目标函数优化 4.3.3 计算复杂度和收敛性分析 4.4 实验设置与结果 4.4.1 iLIDS-VID数据集上的实验结果 4.4.2 PRID 2011数据集上的实验结果 4.5 对SI2DL的讨论与分析