1. 毕业设计（论文）主要内容：

随着智能视频分析领域以及行人视频监控技术的快速发展，行人重识别作为兴起的一项新技术获得了越来越多的关注。行人重识别被广泛用于行人监控、刑事侦查、智能安保等领域。

行人重识别主要解决的问题是从其它摄像头所拍摄的图像集中检索是否存在当前摄像头中感兴趣的目标人物。由于摄像机的分辨率较低和所处的位置不同，导致所拍摄到的图像在光照、姿态、视角、遮挡等上具有很大的差异，这些问题给重识别带来了很大的挑战。通常行人重识别主要包含特征表达和距离度量两方面的问题。传统的解决方法是人工设计特征后通过度量学习进行相似度度量，但这种方式在面临实际复杂的场景时效果往往不是很好。由于卷积神经网络具有学习如何提取特征的能力，比传统方法更适合于行人重识别领域，因此基于卷积神经网络的行人重识别是当前该领域的研究热点之一。

本文将对基于卷积神经网络的行人重识别算法进行深入分析与研究，用matlab、tensorflow等框架搭建神经网络，最终进行模拟仿真，对比不同算法的行人重识别效果。

2. 毕业设计（论文）主要任务及要求

1. 查阅相关资料15篇以上（其中近五年英文文献不少于3篇）；
2. 完成开题报告；
3. 基于卷积神经网络的行人重识别的原理及相关算法的学习；
4. 针对行人重识别的算法仿真与验证；

5. 完成不少于12000字的论文的撰写并完成答辩的相关工作；

6. 正文应包含不少于12幅图（包括：算法误差对比图、流程图、结构框图、程序框图等）；

7. 完成不低于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译；

3. 毕业设计（论文）完成任务的计划与安排

第1—2周：查阅相关的文献资料，对研究内容进行整体了解；

第3—4周：了解整体实现方案，完成开题报告；

第5—12周：根据方案进行设计和实现；

4. 主要参考文献

[1]matsukawa t ,suzuki e . person re-identification using cnn features learned from combinationof attributes[c]// international conference on pattern recognition. ieee, 2017.

[2]barz, bj#246;rn,rodner e , k#228;ding, christoph, et al. fastlearning and prediction for object detection using whitened cnn features[j].2017.

[3]barbosa i b ,cristani m , caputo b , et al. looking beyond appearances: synthetic trainingdata for deep cnns in re-identification[j]. computer vision amp; imageunderstanding, 2017.