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
武汉科技大学;