發(fā)布時(shí)間：2023-01-30 21:58

　　隨著人工智能技術(shù)的進(jìn)步與發(fā)展,基于行人的檢測(cè)、追蹤和重識(shí)別的算法性能有了進(jìn)一步的提升,但是算法落地還比較困難。其難點(diǎn)主要有兩個(gè):首先,當(dāng)前深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型大多只在服務(wù)器上測(cè)試性能,模型很難在嵌入式設(shè)備上運(yùn)行。其次,研究者們只專注于解決單一的問題,例如目標(biāo)檢測(cè)和追蹤,沒有考慮到算法之間的融合,而單獨(dú)的檢測(cè)和追蹤算法在實(shí)際生活中的應(yīng)用上有很大的局限性。針對(duì)以上的存在的問題,本文基于嵌入式設(shè)備,對(duì)神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的應(yīng)用進(jìn)行了探索。我們選用了在行人檢測(cè)和追蹤上有著優(yōu)秀表現(xiàn)的輕量級(jí)模型,并進(jìn)行了模型剪枝和量化工作,在保證準(zhǔn)確率的前提下,進(jìn)一步的提升算法的運(yùn)行速度。另外,基于現(xiàn)實(shí)生活中對(duì)行人信息統(tǒng)計(jì)的迫切需求,本文設(shè)計(jì)了一套完整的端到端系統(tǒng),用戶無需任何操作即可獲取行人的計(jì)數(shù)信息。最后,我們采用了短時(shí)和長時(shí)兩種方式的行人重識(shí)別策略,解決了行人追蹤的過程中可能出現(xiàn)的ID切換問題,讓系統(tǒng)自動(dòng)更新行人的數(shù)據(jù)庫ID,保證了行人在數(shù)據(jù)庫中ID的唯一性。我們通過行人的ID數(shù)量來進(jìn)行行人計(jì)數(shù),因此也保證了行人計(jì)數(shù)的準(zhǔn)確性。最后的實(shí)驗(yàn)的結(jié)果也表明深度學(xué)習(xí)的算法并非無法在嵌入式設(shè)備上運(yùn)行。我們需要讓... 

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 行人統(tǒng)計(jì)的背景和意義
        1.1.2 模型結(jié)構(gòu)壓縮的背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)發(fā)展動(dòng)態(tài)
        1.2.2 行人檢測(cè)算法的發(fā)展動(dòng)態(tài)
        1.2.3 目標(biāo)追蹤算法的發(fā)展動(dòng)態(tài)
        1.2.4 行人重識(shí)別技術(shù)
    1.3 本文的研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 本文研究內(nèi)容
        1.3.2 本文結(jié)構(gòu)安排
第2章 相關(guān)技術(shù)簡介
    2.1 相關(guān)技術(shù)簡介
        2.1.1 嵌入式平臺(tái)介紹
    2.2 行人檢測(cè)算法
        2.2.1 行人檢測(cè)指標(biāo)
        2.2.2 Darknet框架
        2.2.3 YOLO
    2.3 行人追蹤算法
    2.4 行人重識(shí)別算法
        2.4.1 行人重識(shí)別的數(shù)據(jù)集和評(píng)價(jià)指標(biāo)
        2.4.2 基于圖像的行人重識(shí)別模型
    2.5 模型壓縮技術(shù)
        2.5.1 模型剪裁與稀疏化
        2.5.2 模型量化
    2.6 多線程技術(shù)
    2.7 本章小結(jié)
第3章 需求分析與概要設(shè)計(jì)
    3.1 業(yè)務(wù)需求
    3.2 功能需求
        3.2.1 總體需求
        3.2.2 行人檢測(cè)模塊需求
        3.2.3 行人追蹤模塊需求
        3.2.4 行人重識(shí)別模塊需求
        3.2.5 行人數(shù)據(jù)庫管理
        3.2.6 行人數(shù)據(jù)統(tǒng)計(jì)
    3.3 性能需求
        3.3.1 系統(tǒng)易用性需求
        3.3.2 系統(tǒng)實(shí)時(shí)性需求
        3.3.3 系統(tǒng)健壯性需求
    3.4 系統(tǒng)總體設(shè)計(jì)
        3.4.1 系統(tǒng)需求
        3.4.2 運(yùn)行環(huán)境
        3.4.3 整體架構(gòu)
    3.5 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
    3.6 模塊設(shè)計(jì)
        3.6.1 整體流程
        3.6.2 行人檢測(cè)模塊設(shè)計(jì)
        3.6.3 行人追蹤模塊設(shè)計(jì)
        3.6.4 行人重識(shí)別模塊設(shè)計(jì)
        3.6.5 數(shù)據(jù)庫模塊設(shè)計(jì)
        3.6.6 顯示界面模塊設(shè)計(jì)
    3.7 本章小結(jié)
第4章 系統(tǒng)詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 行人檢測(cè)算法
        4.1.1 行人檢測(cè)算法原理
        4.1.2 制作行人數(shù)據(jù)集
        4.1.3 調(diào)整模型網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.4 模型的訓(xùn)練與測(cè)試
        4.1.5 壓縮模型
    4.2 行人追蹤算法
        4.2.1 行人追蹤算法設(shè)計(jì)
        4.2.2 行人追蹤算法實(shí)現(xiàn)
    4.3 行人重識(shí)別算法
        4.3.1 行人重識(shí)別算法設(shè)計(jì)
        4.3.2 模型網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.3 模型的訓(xùn)練與測(cè)試
    4.4 統(tǒng)計(jì)系統(tǒng)及數(shù)據(jù)庫模塊的實(shí)現(xiàn)
第5章 行人檢測(cè)、追蹤與統(tǒng)計(jì)系統(tǒng)的測(cè)試
    5.1 系統(tǒng)硬件環(huán)境
    5.2 系統(tǒng)功能測(cè)試
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號(hào)：3733465