论文总字数：25613字

摘 要

随着科学技术的日新月异，汽车不再只是钢盔铁甲。如今，智能汽车被越来越多的国家列为重点发展的智能交通工具，是当今世界汽车技术工程研究领域的一颗新星，也必将是未来新型汽车发展的趋势向导。本文基于该发展趋势，选取与智能汽车发展密切相关的行人目标检测进行研究学习。

论文主要研究基于深度学习的行人的目标检测系统。该系统如果能做到自动地对视频监控影像中的行人目标进行实时检测，将能够极大程度地降低人力资源在此领域的虚耗。但目前实际情况和理想状态存在着许多差异，就比如行人具有运动姿态非刚性的特点、环境中的遮挡干扰等诸多问题。行人目标检测因为各种因素的制约，往往比通用目标检测存在更多问题和更高难度的挑战，目前还尚未发现一个可以使行人识别的精度、速率同时达到较高标准的检测系统。

研究成果表明：经由索布尔边缘检测与普鲁伊特边缘检测处理后的图片具有更加突出的行人特征；基于深度学习的行人目标检测算法能够对以往通用目标检测算法出现的检测结果准确度不高、运算时间较长等问题进行一定程度的优化。

本文的特色在于：本文对比分析了各类图像预处理的方式方法，在对不同光线强度的图片进行处理后进行对比分析，选择最优的图像预处理方法来对图片进行处理，提高下一步行人检测的处理速率及精度。提出使用Fast R-CNN和RPN相结合的算法。优化后的算法不仅能使运算结果的精确率有显著提高，还大幅降低运算时间。为行人目标检测的实时性和准确性做出贡献。

关键词：行人目标检测；深度学习；特征提取；目标识别

Abstract

With the advance swiftly and vigorously of science and technology， Motor vehicles are no longer just means of transport simply. Nowadays， intelligent automobile is included in the intelligent transportation system of more countries， which is a new star in the regional of automobile technology engineering research around the world， and it is also a new impetus to the development of automobile industry. Lots of developed countries have classified them as intelligent development of key development. Since the pedestrian tracking system based on machine vision is an indispensable topic to be perfected in the regional of Intelligent Connected Vehicle.There is not a human-being tracking system with high recognition accuracy and fast speed， so it has become the most active at this stage one of the research topics.

In this paper，the first and foremost studies the object detection system of human-being originating from deep learning. If the system can automatically detect human targets in video surveillance images， it will badly reduce the human resource depletion in this regional. However， there are lots of diversities around the real life and the ideal.

The results show that the image processed by sobel edge detection and prewitt edge detection has more prominent human-being characteristics， and the human-being target detection algorithm based on depth learning can optimize the problems of low accuracy and long operation time.

The specialties of this paper are as follows: this paper compares and analyzes the ways and meaning of image processing， compares and analyzes the pictures with different light intensity， selects the optimal image processing method to process the pictures， and improves the processing rate and accuracy of the next human-being detection. Proposed algorithm using the combination of Faster R-CNN and RPN. The optimized algorithm can enhanced the accuracy rate of the experimental results， and extremely minimizes the time while it working.

Key Words: Pedestrian target detection; Deep learning; Feature extraction; Target recognition

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 引言 1

1.2 行人目标检测研究的背景及意义 1

1.3 行人目标检测研究的原理及研究现状 2

1.3.1 行人目标检测研究的原理 2

1.3.2 行人目标检测研究的研究现状 2

1.4 本文的主要研究内容 4

1.5 本文章节内容安排 5

第2章 图像预处理 6

2.1 引言 6

2.2 图像去噪 6

2.2.1 wavelet变换的基本思想 6

2.2.2 wavelet变换的实验结果 7

2.3 图像灰度化 8

2.4 图像二值化 9

2.4.1 实验经验法 9

2.4.2 自适应阈值 10

2.5 边缘检测 11

2.6 本章小结 12

第3章 行人特征提取及识别 13

3.1 引言 13

3.2 纹理特征 13

3.3 试验结果与分析 14

3.3.1 纹理特征分析与提取 14

3.3.2 深度学习算法 17

3.3.3 行人检测 17

3.4 本章小结 18

第4章 算法优化 19

4.1 引言 19

4.2 Faster R-CNN算法 19

4.3 实验 22

4.3.1 指标介绍 22

4.3.2 其他指标 23

4.3.3 实验结果与分析 23

4.3.4 阈值T的分析 24

4.4 本章小结 25

第5章 结论 26

5.1 主要结论 26

5.2 研究展望 26

参考文献 28

致 谢 30

第1章 绪论

1.1 引言

自21世纪来，经济与科技齐头并进，机动车保有量突飞猛进地增长给人们工作和生活都带来极大便利。然而很多问题也随着科技、经济的发展慢慢浮出水面，开始受到人们的关注，如交通拥堵、化石能源紧缺、环境污染、交通安全等。一直以来，智能网联汽车都被汽车领域的专家学者视为当代汽车相关问题最可行的解决方案之一，所以其发展备受社会各界瞩目。根据我国汽车工业协会给智能网联汽车的种种定义，我们不难发现，汽车早已不在是旧时代那个披着钢盔铁甲的高速运输工具。智能网联汽车集合了太多世界前沿科技，将服务于人类视为第一要务，不断发展、不断进步。与此同时驾驶汽车也不再只拘泥于几十年前的一门技术、一项工作，它将逐步入侵传统生活方式，成为新时代人类生活中不可或缺的一部分。正因如此，以行人目标检测为代表的一系列高新科技在近十几年来飞速发展，为智能互联网汽车的完善贡献着不容小觑的力量。虽然如此，但行人目标检测还是在各个方面逊色于真正的人类大脑，还需要继续改良完善，推陈出新。一方面由于智能网联汽车在实际应用环境中运动速度极快，如果系统没有极高的运算速度来为检测实时性提供保障，高速运动的智能汽车必将威胁到行人与驾驶员的生命健康权。另一方面由于行人目标检测的结果会直接影响到智能网联汽车预判结果的准确度，一旦行人目标检测系统在运作时出现误差，其后果也是极其严重的。正因如此，系统要求检测精度尽可能达到百分之百。实际情况中，由于车辆移动而造成摄像头的移动、行人图像样本复杂的背景、行人目标姿势与尺寸的多种多样、行人与行人（或行人与背景）间的遮挡等影响因素，行人检测的难度大大提升，所以到目前为止还无法满足行人检测对实时性、精确度的要求。

在行人目标检测系统实际的工作情况中，行人在其运动过程中可能会与其他物体形成遮挡，因此检测结果的精度还无法保证百分之百。而且，行人属于非刚性物体，其身形姿态多种多样，衣着服饰更是千差万别，再加上天气、光线等多方面复杂因素的影响，会让每张行人图像样本都大相径庭。本文主要将通用目标检测算法应用在视频监控场景中的行人目标检测上面，并对应用中出现的一些问题进行分析，并且使之得到进一步的优化改进。

请支付后下载全文，论文总字数：25613字