1 绪论
1.1 课题研究背景
1.2 国内外研究现状
1.2.1 深度学习的特点
1.2.2 卷积神经网络在目标检测中的研究现状
1.3 主要内容及结构安排
2 卷积神经网络相关理论及方案提出
2.1 卷积神经网络概述
2.1.1 卷积神经网络的基本结构
2.1.2 卷积神经网络的训练与优化
2.2 经典的卷积神经网络模型
2.3 研究方案的提出
2.4 本章小结
3 结合前景检测的改进卷积神经网络行人检测方法
3.1 引言
3.2.1 背景差分法
3.2.2 帧间差分法
3.2.3 光流法
3.2.4 算法分析比较
3.3.1 候选区域推荐算法
3.3.2Fast R-CNN检测网络
3.4改进Fast R-CNN行人检测算法
3.5 本章小结
4基于超分辨率和改进Faster R-CNN的行人检测算法
4.1 引言
4.2 超分辨率算法
4.2.1 传统超分辨率算法
4.2.2 基于卷积神经网络的超分辨率算法
4.3.1Faster R-CNN检测网络
4.3.2 级联检测算法
4.3.3 基于聚类的锚边框产生算法
4.4 改进的NMS方法
4.5 本章小结
5 实验结果与分析
5.1.1 数据环境
5.1.2 数据集简介和评估指标
5.2 对比实验和分析
5.2.1 实验1:结合前景检测的改进卷积神经网络
5.2.2 实验2:基于级联网络的改进行人目标检测方法
5.2.3 实验3:综合改进效果对比实验
5.3 本章小结
6 总结与展望
参考文献
附录
A. 作者在攻读学位期间发表的论文
B. 作者在攻读学位期间发表的专利
C. 作者在攻读学位期间参与的项目
D. 学位论文数据集
致谢
重庆大学;