基于深度学习的行人检测算法研究及系统设计.pdf
基于深度学习的行人检测算法研究及系统设计
摘要
基于深度学习的行人检测算法研究及系统设计
ABSTRACT
哈尔滨工程大学硕士学位论文
目录
第1章绪论1
1.1课题背景及意义1
1.2国内外研究现状2
1.2.1基于深度学习的行人检测算法2
1.2.2遮挡情况的行人检测算法4
1.3主要研究内容5
1.4论文组织结构6
第2章行人检测相关理论9
2.1卷积神经网络9
2.2基于深度学习的行人检测算法11
2.2.1FasterRCNN算法11
2.2.2基于深度学习的遮挡行人检测算法14
2.3行人检测相关评价指标16
2.4软件系统开发相关技术18
2.5本章小结20
第3章拥挤场景下的行人检测算法研究21
3.1FasterRCNN网络结构特点21
3.2基于多尺度特征增强融合的特征提取网络22
3.2.1主干网络22
3.2.2多尺度特征增强融合23
3.3基于FasterRCNN的多分支检测网络CrowdRCNN26
3.3.1CrowdRCNN网络框架26
3.3.2联合检测策略27
3.3.3强化检测策略29
3.3.4损失函数优化30
3.3.5NMS后处理优化32
3.4训练策略34
3.4.1混合精度策略34
3.4.2内存线性优化策略36
3.5实验结果与评估37
3.5.1实验环境及训练参数37
3.5.2评价指标选择37
3.5.3对照实验与结果分析38
3.5.4消融实验与结果分析40
3.6本章小结41
第4章行人检测系统的设计与实现43
4.1行人检测系统设计43
4.1.1系统总体结构设计43
4.1.2系统概要设计44
4.1.3系统详细设计46
4.2人群数量预测算法实现48
4.2.1人数预测模块设计48
4.2.2人数预测算法原理49
4.2.3人数预测算法实现51
4.3行人重识别算法实现及改进52
4.3.1行人重识别模块设计52
4.3.2行人重识别算法原理53
4.3.3行人重识别算法的改进54
4.3.4行人重识别算法实验及结果分析56
4.4系统实现与测试58
4.4.1系统开发运行环境58
4.4.2系统功能实现58
4.4.3系统界面展示及功能展示62
4.5本章小结65
结论67
参考文献69
第1章绪论
第1章绪论
1.1课题背景及意义
近年来,随着科学技术的飞速发展,人工智能相关技术成为了最热门的技术之一,
加上硬件设备的飞跃性发展带来的算力明显提升,人工智能领域得到了空前的发展,已
在科研、工业、基础建设、生活建设等各个方面得到了广泛的应用。在人工智能的众多
相关技术中,计算机视觉技术是目前研究最深、应用最广的技术之一,主要作用是对视
觉相关信号进行处理并进行应用,其应用场景非常广泛,如目标检测、人脸识别、三维
重建、虚拟现实等,而在这些应用中,目标检测中的行人检测场景是计算机视觉中最为
重要的应用之一。
行人检测作为计算机视觉以及人工智能领域的研究热点,其任务主要是判断图像或
视频信号内是否存在行人,并标记出行人的准确位置,与目标检测一样,是一个分类和
[1][2][3]
回归的问题,在自动驾驶、视频监控、智能机器人等领域具有重要的作用。在自动
驾驶领域,车辆可通过摄像头以及激光雷达获取周围环境信息,行人检测算法可