摘要
行人重识别作为计算机视觉领域的重要研究方向,近年来受到学术界和工业界的广泛关注。
其旨在跨摄像头网络中实现对目标行人的检索和识别,对于维护公共安全、寻找失踪人口等方面具有重要意义。
本文首先介绍了行人重识别的研究背景、意义及挑战,并对相关概念进行解释,如全局特征、局部特征、度量学习等。
接着,本文重点从基于特征的行人重识别方法和基于度量学习的行人重识别方法两个方面对现有研究成果进行了综述,并详细介绍了常用的行人重识别数据集和评价指标。
最后,本文对行人重识别的未来发展方向进行了展望,包括跨模态行人重识别、基于视频的行人重识别以及行人重识别中的隐私保护等。
关键词:行人重识别;深度学习;特征提取;度量学习;跨模态
行人重识别是指在非重叠视角的多摄像头网络下,跨摄像头对目标行人进行检索或识别的任务。
它涉及计算机视觉、模式识别和机器学习等多个领域。
1.1全局特征全局特征是指从整个人体图像中提取的特征,它能够描述行人的整体信息,如颜色、纹理、形状等。
常用的全局特征包括颜色直方图、Gabor特征、HOG特征等。
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付
以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。