基于卷积神经网络的行人检测与跟踪算法研究

目录

声明

摘要

1．1研究背景与意义

1．2国内外研究现状

1．2．1行人检测研究现状

1．2．2行人跟踪研究现状

1．3行人检测与跟踪面临的挑战

1．4本文主要内容和结构安排

第2章目标检测与多目标跟踪理论基础

2．1卷积神经网络

2．2YOLO目标检测算法

2．2．1YOLOv3检测算法

2．2．2YOLOv4检测算法

2．2．3YOLOv5检测算法

2．3经典的多目标跟踪算法

2．4本章小结

第3章基于GhostNet与注意力机制的行人检测跟踪算法

3．1引言

3．2．1YOLOv3多尺度预测

3．2．2GhostNet算法

3．2．3SE注意力机制

3．2．4YOLOv3-GhostNet-SE检测算法

3．3基于GhostNet与注意力机制的行人检测跟踪算法

3．3．1轨迹处理和状态估计

3．3．2数据关联和级联匹配

3．4实验结果与分析

3．4．1实验环境及参数设置

3．4．2数据集和评价指标

3．4．3检测算法结果分析

3．4．4跟踪结果分析

3．5本章小结

第4章改进YOLOv51的轻量型实时行人检测算法

4．1引言

4．2．1YOLOv51检测网络

4．2．2MobileNetV2网络倒残差块

4．2．3改进型YOLOv51网络结构

4．3实验结果与分析

4．3．1实验环境及参数设置

4．3．2实验结果分析与对比

4．4本章小结

第5章改进Deep-Sort的行人跟踪算法

5．1引言

5．2卡尔曼滤波运动模型

5．3全局轨迹记忆机制

5．4行人跟踪算法流程

5．5实验结果与分析

5．6本章小结

6．1总结

6．2展望

致谢

参考文献

附录