1. 研究目的与意义（文献综述）

如何定位，区分，识别一个静止或者运动中的行人，近些年成为了车辆辅助驾驶系统中一项重要的研究课题。其可以利用车辆上的摄像机识别行人，从而在可能的危险场景中保护行人和驾驶员，在计算机视觉，车辆相关领域显示出了巨大的研究价值。在智能监控系统，运动分析等领域也显示出了巨大的潜力。

经过长期的研究，行人检测的方法大致有以下几种：基于特征提取和特征融合的方法，如hog^[1]，lbp^[2]等，基于分类器算法的方法，如svm^[3-4]，基于深度学习和多层神经网络的方法，如cnn^[5-6]。前两者可以被归类为传统方法，使用人工设计的特征进行方法的设计和行人检测。

后来两者结合的改进算法hog svm^[7]被写进opencv，作为一个经典的方法平衡了速度和准确度。但是基于使用人工的特征，识别精度取决与特征的设计。而且由于特征是人工设计的，较难以得到和目标之间具有本质联系特征，限制了这种方法识别精度的进一步提高。并且特征如选取太多，很容易造成计算量上升，限制了实时的使用。

2. 研究的基本内容与方案

研究内容：

本次毕业设计采用多层神经网络的cnn模型设计行人检测算法。首先选取行人检测的训练数据集以及测试数据集。设计实现可以使用的cnn网络及模型，使用测试数据集进行训练并得到可以提取行人的卷积神经网络及其模型。最后根据得到的模型和神经网络开发算法。具体研究内容如下

（1） 用于行人检测的卷积神经网络设计

3. 研究计划与安排

第1周至第2周：查阅有关的参考资料并完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查。

第3周至第6周：熟悉所选用的开发平台，运用所学的软件设计理论，完成整个系统的前期设计工作。

第7周至第13周：进行系统的编码、调试、集成、测试工作。。

4. 参考文献（12篇以上）

[1] hoang v d, le m h,jo k h. hybrid cascade boosting machine using variant scale blocks based hogfeatures for pedestrian detection[j]. neurocomputing, 2014, 135: 357-366.

[2] wang x, han tx, yan s. an hog-lbp human detector with partial occlusionhandling[c]//computer vision, 2009 ieee 12th international conference on. ieee,2009: 32-39.

[3] suykens j a k,vandewalle j. least squares support vector machine classifiers[j]. neuralprocessing letters, 1999, 9(3): 293-300.