基于卷积神经网络的行人检测与跟踪方法研究

目录

声明

1 绪论

1.1 引言

1.2 国内外研究现状

1.2.1 传统的行人检测算法研究现状

1.2.2 基于卷积神经网络的行人检测算法研究现状

1.2.3 行人跟踪算法研究现状

1.3 研究内容与章节安排

1.3.1 论文的研究内容

1.3.2 论文的结构安排

2 卷积神经网络方法概述

2.1 卷积神经网络基本结构

2.2 卷积神经网络的训练

2.2.1 卷积层的反向传播

2.2.2 池化层的反向传播

2.3 数据集介绍

2.3.1 行人检测数据集

2.3.2 行人跟踪数据集

2.4 评价指标

2.4.1 行人检测评价指标

2.4.2 行人跟踪评价指标

2.5 本章小结

3 基于图像的行人检测方法

3.1 YOLO算法简介

3.1.1 YOLO算法的基本原理

3.1.2 损失函数

3.2 行人检测算法的设计

3.2.1 经典的特征提取网络

3.2.2 网络结构的设计

3.3 实验结果与分析

3.3.1 改进结果对比

3.3.2 与其他算法对比

3.4 本章小结

4 基于视频的行人检测方法

4.1 循环神经网络

4.1.1 RNN网络

4.1.2 LSTM长短时记忆网络

4.2 融合卷积LSTM的行人检测算法

4.3 实验结果与分析

4.4 本章小结

5 基于YOLO的跟踪方法

5.1 卡尔曼滤波算法

5.2 匈牙利算法与目标分配

5.3 基于YOLO的多目标行人跟踪过程

5.4 实验结果与分析

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢