- 1、本文档共66页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
合肥工业大学本论文经答辩委员会全体委员审查,确认符合合肥工业
合肥工业大学
本论文经答辩委员会全体委员审查,确认符合合肥工业 大学学历硕士学位论文质量要求。
主席:了鸯辱辱秀芬院 敬援 诩叩 孙呻、乱淹钭加弋,彳糖F 解∥杉以 知暖一唧匕曳 解≯够好. 别艘 韵夕歹L’
伽必勿印驻囱订
导师:厶扛v吐天-扩I 丢。(绉段乙‘l、彬
万方数据
学位论文独创性声明本人郑重声明:所呈交的学位论文是本人在导师指导下进行独立研究工作所
学位论文独创性声明
本人郑重声明:所呈交的学位论文是本人在导师指导下进行独立研究工作所 取得的成果。据我所知,除了文中特别加以标注和致谢的内容外,论文中不包含 其他人已经发表或撰写过的研究成果,也不包含为获得金匿工些太堂 或其 他教育机构的学位或证书而使用过的材料。对本文成果做出贡献的个人和集体,
本人已在论文中作了明确的说明,并表示谢意。 学位论文中表达的观点纯属作者本人观点,与合肥工业大学无关。
学位论文作者签名:汐夕箔 签名日期:伽,‘年≯月膳日
学位论文版权使用授权书
本学位论文作者完全了解金目里王些太堂有关保留、使用学位论文的规 定,即:除保密期内的涉密学位论文外,学校有权保存并向国家有关部门或机构 送交论文的复印件和电子光盘,允许论文被查阅或借阅。本人授权盒目垦王些太 学可以将本学位论文的全部或部分内容编入有关数据库,允许采用影印、缩印 或扫描等复制手段保存、汇编学位论文。
(保密的学位论文在解密后适用本授权书)
学位论文作者签名:;亏乡殇 指导教师签名:碉力发/
签名日期:沙,‘年≯月侈日 签名日期:沙,6年幺月/夕日
论文作者毕业去向 就劳 工作单位:自它中萝.孝7软辟面假喷亿公司 联系电话:/,牙“夕。罗;,r E—m a i 1:z儿吁7么2 9产以.心沈 通讯地址霸主专雨彘乏’历书吁天过邮政编码:二fj。。,≥
轴多
万方数据
致
致 谢
论文落笔之际,短暂而充实的两年半的硕士生活也已行将过去。回首过 往,有过泪水,但更多的是充满了各种美好,这些记忆终将变成我生命中最 美好的回忆。这两年半的时间里,有太多太多值得我去感谢的人,有给予我 指导的老师、给我带来无限快乐的朋友以及无私关爱我的家人。
首先,我要感谢我的指导老师孙锐副教授。孙锐老师是一个优秀的导师, 对我的论文撰写工作做了悉心的指导,在研究方向、研究具体内容、实验设 计及实现等方面都给了我全面细心的指导。孙老师的幽默风趣、和蔼可亲、 知识渊博以及端正的工作作风无不时时刻刻感染着我,使我明白了很多做人 的道理,这将会一直影响着我今后的工作及生活。 在此我向孙老师表示最 真挚的敬重和感激。
其次,我还要感谢那些一起工作一起疯狂的小伙伴们!感谢一直关心与 支持我的感谢实验室和班级的同学们!感谢我的同学张东东、方蔚、王旭、 黄静茹、丁文秀、候能干、王晶晶,他们无论在科研还是生活上都给了我巨 大的启发。还要感谢我的室友王定良、鲍忠明、陈奇和计算机与信息学院13 级9班的全体研究生同学们。谢谢你们把我的研究生生活装点的如此精彩, 这段一同进步,一同成长,共享快乐的时光都是最美的回忆,衷心祝愿小伙 伴们前程似锦、幸福美满。
特别感谢我的父母养育之恩,感谢他们二十多年来对我的关心、照顾和 帮助,每当遇到困难时,为我排忧解难,他们无私的爱与照顾是我不断前进 的动力,他们的理解和支持,是我一直以来前进的动力,希望他们能够身体 健康,事事顺心。
感谢生活学习了三年的敬爱的母校一一合肥工业大学,正是有了这样一 个优秀的平台,才能让我最大化的发挥自己的优势,不断地锻炼自己,提升 自己,真心祝愿母校能够越走越辉煌。虽然研究生生涯即将结束,但未来的 道路还很长,我要充满信心地走自己的路,勇敢坚强地追寻自己的梦想!
最后感谢百帮之中抽出时间评审论文的各位专家。谢谢!
作者:张广海 2016年4月5日
万方数据
摘
摘 要
行人目标检测与识别技术在智能交通和智能监控系统等领域中一直有 着重要应用。虽然该技术在过去几十年中已经取得了长足的发展,但是由于 行人外观及复杂的背景环境等因素的影响,行人识别技术仍然是计算机视觉 领域公开的难题。针对这一难题,本文提出了新颖的行人识别方法,在3个 行人数据集上通过与同类方法比较,证明了所提出方法具有较高的识别率。
针对行人识别中的特征表示问题,提出一种混合结构的分层特征表示方 法,这种混合结构结合了具有表示能力的词袋结构和学习适应性的深度分层 结构。首先利用基于梯度的HOG局部描述符提取局部特征,再通过一个由 空间聚集受限玻尔兹曼机(RBM)组成的深度分层编码方法进行编码。对于 每个编码层,利用稀疏性和选择性正则化进行无监督受限玻尔兹曼机学习, 再应用监督微调来增强分类任务中视觉特征表示,采用最大池化和空间金字 塔方
您可能关注的文档
- 基于铁道车辆动力学仿真的特征谱研究-车辆工程专业论文.docx
- 基于深度学习的动作识别研究-信息与通信工程专业论文.docx
- 基于数字水印技术的电子发票交易平台设计与实现-软件工程专业论文.docx
- 基于图理论的图像搜索结果重排序的研究-计算机应用技术专业论文.docx
- 基于特征表达和属性挖掘的人体动作识别研究-信息与通信工程专业论文.docx
- 基于物联网的老年人智能家用医疗产品设计研究-工业设计工程专业论文.docx
- 基于全局和局部运动模式的人体行为识别研究-计算机应用技术专业论文.docx
- 基于孔隙-裂隙渗透效应的注浆扩散分析方法-建筑与土木工程专业论文.docx
- 基于土地功能的未利用地多宜性评价及优化配置研究-土壤学专业论文.docx
- 基于网络效应的电信运营商IM市场竞争研究-管理科学与工程专业论文.docx
文档评论(0)