近年來,公共安全問題越發(fā)引起人們的關注。為了更好的解決城市安全問題,在人口密集的地方如商場、學校、電影院、游樂場、各大熱門景點等地安裝了大量的監(jiān)控攝像頭,這些攝像頭匯聚在一起,形成一個巨大的監(jiān)控網絡,每天都會產生海量視頻數(shù)據(jù)。但是處理這些海量視頻信息大都采用傳統(tǒng)的人工方式,通過人眼“盯屏幕”的方式從海量視頻中尋找特定的幾個監(jiān)控信息,這樣不僅費時費力、效率低下,而且容易遺漏重要信息,若有緊急情況發(fā)生時,也無法在有限時間內快速解決問題。若將行人檢測技術應用于智能監(jiān)控系統(tǒng),就可以自動檢測、識別出視頻中的可疑目標,并在發(fā)現(xiàn)異常后能夠自動報警或采取其他應急措施,將大大提高監(jiān)控效率,節(jié)省大量人力和財力。視頻監(jiān)控下的行人檢測問題對于算法的檢測精度和檢測速度都有較高要求。傳統(tǒng)的行人檢測方法雖然能夠滿足速度要求,但在檢測精度上差距較遠,基于卷積神經網絡的目標檢測算法檢測性能優(yōu)異,但是直接將目標檢測算法應用于行人檢測問題上時性能卻表現(xiàn)不佳。針對這一問題,本文主要在目標檢測算法基礎上構建精度更高速度更快的行人檢測方法。為解決目標檢測算法在行人檢測問題上性能表現(xiàn)不佳的問題,本文主要做了以下三方面的工作:（1）... 

【文章來源】：河北農業(yè)大學河北省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀綜述
        1.2.1 卷積神網絡的國內外研究現(xiàn)狀
        1.2.2 行人檢測算法國內外研究現(xiàn)狀
    1.3 研究內容
    1.4 章節(jié)安排
第2章 卷積神經網絡概述
    2.1 引言
    2.2 卷積神經網絡結構
        2.2.1 卷積神經網絡子層
    2.3 常見的網絡結構
        2.3.1 AlexNet
        2.3.2 VGGNet
        2.3.3 GoogLeNet/Inception
        2.3.4 ResNet
    2.4 卷積神經網絡訓練
        2.4.1 前向傳播(Forward propagation)
        2.4.2 反向傳播(Back propagation)
    2.5 常用的目標檢測算法
        2.5.1 Faster RCNN算法簡介
        2.5.2 Faster RCNN的網絡結構
        2.5.3 Faster RCNN的網絡訓練
    2.6 本章小結
第3章 基于Faster RCNN的行人檢測方法
    3.1 引言
    3.2 基于Faster R-CNN的行人檢測算法設計
        3.2.1 算法設計介紹
        3.2.2 網絡訓練設置
    3.3 實驗結果分析
        3.3.1 數(shù)據(jù)集選取與評價指標
        3.3.2 實驗結果分析
    3.4 本章小結
第4章 基于SSD的行人檢測方法
    4.1 引言
    4.2 SSD目標檢測算法原理
        4.2.1 SSD網絡結構
        4.2.2 SSD網絡訓練
    4.3 實驗過程與結果
    4.4 本章小結
第5章 基于改進的SSD行人實時檢測方法
    5.1 改進的SSD網絡結構設計
        5.1.1 特征提取層設計
        5.1.2 增加行人尺寸信息
        5.1.3 改進定位和增加IOU閾值
        5.1.4 整體框架
    5.2 網絡訓練設置
    5.3 實驗與結果分析
        5.3.1 實驗配置
        5.3.2 實驗結果分析
    5.4 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于卷積神經網絡的植物葉片分類[J]. 龔丁禧,曹長榮.  計算機與現(xiàn)代化. 2014(04)

博士論文
[1]基于內容的商品圖像分類方法研究[D]. 賈世杰.大連理工大學 2013



本文編號：3193101