基于深度学习的行人检测与重识别系统设计及实现

目录

声明

1 绪论

1.1 课题背景与意义

1.2 行人检测技术的发展及现状

1.2.1 传统的行人检测算法

1.2.2 基于深度学习的行人检测算法

1.3 行人重识别技术的发展及现状

1.4 本文的主要内容

2 基于深度学习的行人检测算法设计与实现

2.1 基于 YOLO v3 的行人检测算法

2.1.1 特征提取网络 DarkNet53

2.1.2 YOLO v3 网络模型

2.1.3 YOLO v3 目标预测原理

2.2 行人检测数据集的构建

2.2.1 行人检测数据集介绍

2.2.2 公开数据集

2.2.3 实际监控场景下的数据集构建

2.3 网络训练

2.3.1 算法运行环境

2.3.2 Docker 容器的配置

2.3.3 YOLO v3 网络修改

2.3.4 收集训练日志

2.4 网络训练结果及测试

2.5 本章小结

3 行人特征提取网络的设计与实现

3.1 ResNet50 卷积神经网络

3.1.1 深度残差网络

3.1.2 Resnet50 网络模型

3.2 Softmax 分类器

3.3 数据集准备

3.4 Resnet50 网络训练

3.5 网络训练结果及测试

3.6 本章小结

4 系统数据库设计

4.1 数据库的比较与选择

4.1.1 数据库的分类

4.1.2 关系型数据库的选择

4.2 数据库的概念设计

4.3 数据库表设计

4.3.1 数据库表逻辑设计

4.3.2 数据库表详细设计

4.4 本章小结

5 行人检测与重识别系统的设计与实现

5.1 系统需求分析

5.1.1 系统的功能性需求分析

5.1.2 系统的非功能性需求分析

5.2 系统整体架构的设计

5.3 系统开发与运行环境

5.3.1 硬件平台

5.3.2 软件平台

5.4 系统交互界面的设计

5.5 本章小结

6 系统的功能测试与性能评估

6.1 系统的功能测试

6.2 系统的性能评估

6.2.1 系统的准确性评估

6.2.2 系统的实时性评估

6.3 系统的特点及优化方向

6.4 本章小结

7 总结与展望

7.1 总结

7.2 展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致 谢