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
大连理工大学;