声明
第1章绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 传统目标检测
1.2.2 深度学习的目标检测
1.3 本文内容和结构安排
1.3.1 主要研究内容
1.3.2 本文章节安排
第2章红外图像数据集
2.1 红外热成像原理
2.2 红外图像特征
2.2.1 灰度直方图特征
2.2.2 噪声特征与分辨率
2.2.3 红外图像与可见光图像的对比
2.3 数据集的介绍
2.4.1 数据集补充
2.4.2 数据集样本均衡化
2.5 本章小结
第3章特征提取网络的改进算法
3.1 卷积神经网络
3.1.1 局部感受野和权重共享
3.1.2 卷积神经网络子层
3.2 经典特征网络结构
3.2.1 VGG 网络
3.2.2 ResNet 网络
3.2.3 DenseNet 网络
3.3 基于DenseNet 特征网络的改进
3.3.1 DarkNet53 特征网络
3.3.2 改进DenseNet 特征网络
3.4网络参数总结
3.5本章小结
第4章红外图像行人检测算法
4.1 YOLO系列算法的发展
4.1.1 YOLOv1 和YOLOv2
4.1.2 YOLOv3
4.2 候选框选取和预测框的筛选
4.2.1 候选框
4.2.2 预测框
4.3 多尺度特征融合改进方案
4.3.1 尺度变换
4.3.2 改进的多尺度特征融合
4.4.1 特征网络预训练
4.4.2 整个网络的训练
4.4.3 检测流程
4.5 本章小结
第5章实验结果与分析
5.1 实验软硬件环境
5.2 行人目标检测标准
5.2.1 交并比IOU
5.2.2 精确率与召回率
5.2.3 综合评价指标
5.3 行人目标检测的实验结果
5.3.1 数据分析
5.3.2 效果展示
5.4 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致 谢
燕山大学;
