全文总字数：5137字

1. 研究目的与意义（文献综述）

1.1目的和意义

本文主要研究行人检测与行人重识别技术，行人检测就是判断样本（图像或视频）中是否包含行人，如果检测出行人还需标注出行人在图像中所在的具体位置，而行人重识别旨在可以判定候选库中的行人是不是与待检测的行人为同一人。假如给定一张嫌疑人的全身照片，如何确定嫌疑人是否出现在某一张图片中呢？第一步利用行人检测定位目标行人在图片中的位置，把行人检测算法检测出的结果存入行人候选库中，然后提取嫌疑人的特征，依次与候选库中的行人特征进行相似度计算得出相似度，相似度越高则与嫌疑人越相似，是嫌疑人的概率就越大。

在深度学习方法广泛应用之前，行人检测的主流方法有基于背景差分方法的行人检测技术、基于帧间差分的行人检测技术和基于模块匹配的检测技术，这三种方法在行人检测方面有着不错的效果，但也存在着一些缺陷，基于背景差分方法的检测技术适应于运动缓慢变化简单的场景，基于帧间差分的检测技术其核心是阈值的选取，也用于运动的图像，但不能确定运动目标具体是什么，而基于模板匹配的检测技术适用于静止的图像，需要足够多的模板（行人具有多样性），但模板过多会影响模板的实时性。

传统行人重识别一般主要分为特征表达与距离度量两个部分。特征表达即设计具有较强区分能力的特征，考虑到行人姿态变化、环境中光照变化等因素，主要利用行人外观颜色、纹理等特征进行识别，而距离度量方式的设计需要综合考虑提取到的样本特征，不同的样本之间的特征分布有差异，合理设计一个距离度量方式也是关键之一。

2. 研究的基本内容与方案

具体内容如下：

3. 研究计划与安排

4. 参考文献（不低于12篇）