今天给大家带来，深度学习，行人重识别re-id，多任务学习.pptx，面对于相关知识讲解的十分清楚明白，相关方向的同学不要错过，一起来学习吧！

它是从两个对齐的摄像头（一个可见，一个远红外）收集的。总共有412人。每个人有10个可见光图像和10个远红外图像。

该课题为基于MATLAB的教室人数统计，带有丰富的人机交互GUI界面。实现教室人数的计数统计，进而统计出勤率，上课认真听讲的比例。原先预设总人数，未出勤或者书本遮住脸部、趴着玩手机等必然无法采集到人脸，从而对应数量缺失，得出出勤率或听讲率。该课题采用肤色原理进行人脸定位和人脸分割。本课题中，为了界面GUI的美观，刻意将分割出的人脸单独显示在GUI对应的axes里。是个不错的设计选题。

Person Re-identification:Past, Present and Future.pdf

本文提出一种应用于智能交通监控系统的车辆和行人的检测和识别方法。首先结合帧间差分，对交通监控场景的视频图 像序列建立动态背景模型，然后用背景消除法对监控视频中的运动目标进行有效检测，提取出运动目标的轮廓。最后采用支持向 量机，对检测出运动目标进行快速识别。实验结果表明，该方法能够快速准确地在监控视频中对运动的车辆和行人进行检测和分 类识别，对快速交通通道中非法行人入侵进行自动报警。

嘿大家， 这项工作提出了一种基于视觉的系统的实现，该系统可通过使用在Matlab中配置为跟踪器的卡尔曼滤波器估算器来识别行人，从而精确定位行人。 最后，将估计值与实际标签之间的差评估为估计误差。 https://youtu.be/HPwk3gG7EyM

人头检测数据集.该数据集分为二个部分,JPEGImages和Annotations.JPEGImages文件夹中有4500+张各种场景的人头图像,共12w+个人头标注框. 并对每张图片使用labelimg做了人工标注,标注对应的xml文件放在了Annotations文件夹中. 本数据集图片清晰,场景广泛,精心挑选,人工标注.适用于任意场景,可作为人头检测的模板数据集. 应用特定场景时,只需加入部分特定场景数据,即可满足对特定场景人员聚集检测和计数. 免去了收集,挑选,标注人头图片的时间,可直接进行工程化应用.

行人重识别是我们课题组在做的一个项目，本文档里面包含了行人重识别的必读经典论文。

郑哲东 Deep-ReID：行人重识别的深度学习方法。 Person re-identification Background Learn pedestrian representations from

基于YOLO算法的行人检测方法.pdf