基于Jetson TX2的矿用巡检机器人行人检测算法的研究与实现

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 传统行人检测方法

1.2.2 基于深度学习的行人检测方法

1.2.3 基于嵌入式平台的行人检测算法

1.3 研究内容和章节安排

第二章基于Jetson TX2的矿用巡检机器人设计方案

2.1 矿用巡检机器人的功能要求与技术指标

2.2 矿用巡检机器人整体方案设计

2.3 矿用巡检机器人行人检测模块的设计

2.3.1 行人检测模块的硬件设计方案

2.3.2 行人检测模块的软件设计方案

2.3.3 在线预警功能的设计

2.4 本章小结

第三章 行人检测技术

3.1 传统行人检测方法

3.1.1 基于整体的行人检测方法

3.1.2 基于人体部位的行人检测方法

3.2 基于深度学习的行人检测方法

3.2.1 基于候选区域的检测方法

3.2.2 基于回归的检测方法

3.2.3 基于学习搜索的检测方法

3.3 行人检测方法的评价标准

3.3.1 交并比

3.3.2 平均精度

3.3.3 检测速度

3.4 行人检测方法的比较

3.5 本章小结

第四章 基于SSD的井下行人检测算法

4.1 SSD目标检测算法

4.1.1 SSD算法思想及网络结构

4.1.2 SSD训练过程及损失函数

4.2 基于SSD的井下行人检测算法

4.2.1 SSD网络模型的建立

4.2.2 SSD网络模型的配置及训练

4.3 基于改进SSD的井下行人检测算法

4.3.1 适用于行人检测的默认框的优化设计

4.3.2 改进的轻量级特征提取网络

4.3.3 改进的基于残差的预测模块

4.4 实验及结果分析

4.4.1 井下行人数据集的制备

4.4.2 对比实验及分析

4.4.3 检测结果可视化

4.4.4 算法的鲁棒性测试

4.5 本章小结

第五章基于Jetson TX2的井下行人检测算法的优化及测试

5.1Jetson TX2嵌入式平台开发环境

5.2Jetson TX2嵌入式平台中卷积神经网络的优化加速方法

5.2.1 井下行人检测算法中网络结构的优化

5.2.2 基于TensorRT的推理加速框架

5.2.3 基于TensorRT的井下行人检测算法优化及性能分析

5.3 实验及结果分析

5.3.1 实验环境介绍

5.3.2 井下监控视频测试

5.3.3 在线行人检测功能测试

5.3.4 在线报警功能测试

5.4本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

发表论文和参加科研情况说明

致谢