1. 研究目的与意义、国内外研究现状（文献综述）

本课题的意义：十九大报告提出，中国要大力发展重大科技项目，推动互联网、人工智能等前沿技术和实体经济的深度融合[1]。

基于机器学习的行人检测技术，正是高科技和人们生活相结合的一个热点应用。

当前公共场所中，遍布着各种摄像头，来进行辅助管理和安全监控，如商场、地铁、机场、银行和交通路口等[2]，这些应用的主要关注对象是行人，非常依赖行人检测算法。

2. 研究的基本内容和问题

研究目标：（1）在matlab中实现传统目标检测算法的关键部分，为之后的工作打好基础；（2）针对单帧图像，配置python opencv环境，实现基于传统算法的行人检测；（3）配置tensorflow环境，实现基于ssd模型的行人检测；（4）在前两步的基础上，进一步实现基于视频图像的行人检测；（5）设计并实现系统，将以上内容呈现在系统中。

研究内容：（1）了解基于传统方法的目标检测框架，包括滑动窗口的设置、特征提取、分类器的选择等；（2）在上一步的基础上，用matlab工具实现该框架；（3）安装python并配置opencv环境；（4）实现传统目标检测算法；（5）下载合适的数据集，进行训练和测试；（6）分析测试结果，做出猜想，进行进一步的测试；（7）学习深度学习的相关算法，理解其原理，深入学习ssd算法；（8）配置tensorflow环境；（9）实现基于ssd模型的目标检测算法；（10）下载合适的数据集，进行训练和测试；（11）调整参数，优化识别效果；（12）学习视频图像的处理方法，实现基于视频的行人检测；（13）将以上内容呈现在一个系统。

拟解决的关键问题：（1）传统方法中特征项的选择；（2）深度学习内容的学习；（3）合理的数据集的选取；（4）相关开发环境配置；（5）实现多尺度的滑动窗口对图像的遍历；

3. 研究的方法与方案

研究方法：（1）在图书馆借阅目标检测的相关书籍，阅读目标检测相关的文献，梳理并总结传统目标检测方法的流程，列出一个具体的执行方案，便于下一步学习；（2）安装matlab软件，实现滑动窗口提取目标区域，进行特征提取和分类器分类的程序，程序分为train和test两个部分；（3）下载annaconda，安装annaconda和python，查找在对应python版本上配置opencv环境的方法，用一个简单的例子测试opencv环境是否配置成功；（4）参考第2步实现的框架，在python opencv的环境下实现传统算法的行人检测；（5）查找行人检测的数据集，根据各个数据集的采集方法和图像的特点，下载合适的数据集，并应用于本系统；（6）基于上一步的数据集，进行系统的训练和测试工作，根据目标检测的结果，调整参数，提高识别率；（7）在网上查找资料和论文，学习卷积神经网络，r-cnn算法，fast-rcnn算法，faster-rcnn算法和ssd算法，深入了解各个算法的原理，创新之处和优缺点；（8）根据选定的算法，在python中配置相关环境，用一个小例子测试环境是否配置成功；（9）基于第7步的学习，实现ssd算法，并利用数据集进行训练和验证，分析验证结果；（10）学习python对于视频图像的处理方法；（11）实现python对于视频图像的处理；（12）将视频图像的处理和单帧图像的目标检测结合起来，实现基于视频图像的行人检测算法；（13）将以上内容呈现在一个系统中，系统可以进行单帧图像和多帧图像的检测，也可以进行视频图像的检测。

技术路线及实验方案：见附件。

可行性分析：（1）技术可行性：① srt项目中，负责朴素贝叶斯算法的训练和验证工作，熟悉机器学习的基本流程，在一定程度上，降低了实验过程中的畏难心理；② 网上有丰富的python语言和深度学习的免费课程，可以帮助自己快速入门；③ 指导老师非常认真负责，也十分了解目标检测领域的相关技术，可以对实验过程中的问题给出及时的指导和反馈。

4. 研究创新点

特色或创新之处：（1）选题新颖性。

行人检测是智能视频监控、智能交通等领域的关键技术，是当前研究的热点问题。

行人检测算法的研究日益成熟，但相关应用还没有普及开来，没有融入到人们的日常生活中。

5. 研究计划与进展

研究计划及预期进展：2017年12月：在老师的指导下，查阅目标检测算法相关论文，理清算法流程，明确实现过程中的重点和难点，制定研究计划，完成开题报告；2018年1月：进行毕业设计开题答辩；在matlab中实现传统目标检测算法的关键环节，学习Python语言；2018年2月：安装并配置Python开发环境，采用Python语言实现基于传统算法的行人检测；学习深度学习课程；2018年3月：下载数据集，验证传统算法，分析算法的性能，并设计进一步的验证试验；学习基于深度学习的行人检测算法，配置相关环境，实现基于SSD模型的行人检测算法，下载数据集进行训练和测试；2018年4月：分析两种算法的差异，实现对视频的行人检测功能，设计系统集成上述内容，完成毕业设计论文初稿；2018年5月：在老师的指导下，完善系统和毕业论文，进行毕业设计答辩。