1. 题目来源
行人重识别是指在非重叠视角的多摄像头网络中识别同一个行人的技术，其在公共安全、智能监控、人机交互等领域具有广泛的应用价值。
近年来，随着深度学习技术的发展，行人重识别取得了显著进展。
然而，现有的行人重识别方法大多只关注个体特征的提取，而忽略了时空信息的利用，导致在复杂场景下性能受限。
2. 应完成的主要内容
本课题要求完成基于时空约束的行人重识别方法研究，主要内容包括以下几个方面：
1.深入研究现有的行人重识别方法，分析其优缺点，并探讨时空信息在行人重识别中的作用机制。
2.研究并设计有效的时空特征提取模块，提取更具判别力的行人特征表示。
3.研究并构建合理的时空约束关系模型，充分利用视频序列中的时空上下文信息。
3. 基本要求及完成的成果形式
1.基本要求认真阅读相关文献，掌握行人重识别和时空约束的基本概念、研究现状和发展趋势。
熟练掌握深度学习相关理论和技术，具备一定的编程能力，能够使用深度学习框架进行模型训练和测试。
具备良好的科学素养和学术道德，能够独立思考，认真完成各项研究任务。
4. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
5. 参考文献（20个中文5个英文）
[1] 郑良,张艳宁,魏明强. 基于时空约束的多摄像机行人跟踪[J]. 电子与信息学报, 2021, 43(3): 823-830.
[2] 谢晓华,周志勇,郭云,等. 基于时空约束深度学习的行人重识别方法[J]. 小型微型计算机系统, 2020, 41(10): 2234-2239.
[3] 刘华文,曾接,黄凯奇,等. 基于时空信息融合的行人重识别[J]. 计算机应用, 2020, 40(S2): 159-163.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
