全文总字数：5608字

1. 研究目的与意义及国内外研究现状

在过去几年中已经研究了行人检测，其中视觉信息已被优先用于检测它们。通常，行人检测和计数算法遵循直接或间接方法。直接方法依赖于行人分割和跟踪场景中的每个人，通常需要强大的计算机视觉算法。间接方法是基于地图的，按区域划分估算场景中的行人数量了，在多个方面都有很大的应用场景，例如行人交通安全上行人防撞，非法闯入监测，犯人跟踪，景区商场人流预测、人群个性化分析、无人驾驶、寻找丢失老人儿童等应用，近期发生的小孩被锁车内导致身亡更能体现出目标检测的重要性，通过行人检测相同原理可以检测出车子在锁后是否有小孩。

通过在车辆上配备不同的传感器系统，甚至融合其中一些产生的数据，解决了行人检测问题。摄像机和立体机器视觉，激光传感器，飞行时间相机和激光传感器是用于实现该目标的那种传感器的一些示例。特别是在车辆急速增长的现在，存在小孩被遗忘在车内发生意外的情况。尽管在检测行人方面有所有相关的发展，但这项任务仍然存在重大挑战。其中之一在于在高度可变的照明条件下实现可靠的性能，如在实际驾驶条件下发生的那样。

被动行人安全措施受到物理定律的限制，在减少碰撞能量和伤害程度的能力方面。此外，被动措施无法解决行人撞到道路的二次撞击所造成的伤害。

2. 研究的基本内容

统计学习目前存在的难点主要有四个方面：行人的姿态、服饰各不相同、复杂的背景、不同的行人尺度以及不同的关照环境，提取的特征在特征空间中的分布不够紧凑，分类器的性能受训练样本的影响较大以及离线训练时的负样本无法涵盖所有真实应用场景的情况。

本文打算对目前流行的视觉神经网络算法进行优化。传统目标检测使用滑动窗口来选择区域，由于这种方式没有针对性，对时间要求比较高，同时区域选择也存在冗余性。特征的提取方式比较固定，因此对于变化的对象鲁棒性有待提高。

r-cnn对图像进行了预处理，选择性地找出目标图像中目标候选区域，即目标可能出现的位置。通过滤波矩阵提取出目标图像中的纹理、颜色等其他图像信息，这样能够保证一定的召回率，同时也使得窗口数量大大减少，但是仍然高达上千。因此，为了提高图像特征的提取的速度，找出物体的候选区域/框，这些框之间是可以互相重叠互相包含的，这样本来需要枚举的所有框就变成选择一部分框，大大提高了运行速度。

3. 实施方案、进度安排及预期效果

本文将对faster r-cnn进行优化，通过对输入图像事先进行预处理，以加快后续图像检测的速度。在图片背景已知的情况下，直接对除了背景部分进行提取，对比无行人情况下的背景特征图，在进行候选框特征提取的时候，能够减少前景背景判断次数。

在fater r-cnn的rpn阶段，选取的候选框的选择量仍然不小，由于对每一个滑动窗口都会进行9个锚的判定，因为是特征图是卷积后得到的，这9个锚的范围几乎可以覆盖整张图的有效区域。在同一点处选取3种比例的9个锚，对目标检测有很大的重叠区域。这里提出一种算法不在同一点出进行9个锚的展开，而是增加除原始起点外相邻的两个点，分别处于原始点上侧以及右侧，每个点选择一种尺度。这样选择，一方面能减少目标检测的重叠区域加快检测时间，另一方面保证覆盖范围不会减少。

然后可以获得较为精确的行人位置，为了减少检测时间以达到实时检测的目的，在各式各样的行人中，大多是以大某一范围比例情况出现，比如坐轮椅或者行走，很少出现行人比例小于1:1或者大于4:1的情况，在这种比例下，可以认为人是属于躺着，需要将这类目标删去。为什么在回归之后才筛选，不在锚时就直接只进行两种比例计算，这是因为，根据实验，这三种比例能够达到最好的检测效果，并且因为在回归之前计算出的是大致位置，对于一个目标行人，同样可能出现使用[1，4]检测出一部分的情况。

4. 参考文献

[1]黄志杰，杨广柱.基于机器视觉的车辆行人检测系统技术综述[j].数字技术与应用，2017，22(2)：115-116.

[2]张春凤，宋加涛，王万良. 行人检测技术研究综述[j].电视技术，2014，40(3):163-168.

[3]颜学龙，任文帅，马峻.基于扩展haar特征的adaboost人脸检测算法[j].计算机系统应用， 2015，24(9)：152-155.