基于深度学习的监控场景中的行人分析研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文的主要工作和组织架构 | 第15-18页 |
| 第二章 行人检测、计数和搜索的相关技术概述 | 第18-25页 |
| 2.1 相关概念 | 第18-21页 |
| 2.1.1 机器学习与传统方法概述 | 第18-19页 |
| 2.1.2 深度学习概述 | 第19-21页 |
| 2.2 行人检测的方法 | 第21-22页 |
| 2.3 行人计数的方法 | 第22-23页 |
| 2.4 行人搜索问题的概述 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于深度学习统计特征的行人计数方法 | 第25-34页 |
| 3.1 引言 | 第25-26页 |
| 3.2 相关工作 | 第26-27页 |
| 3.3 基于深度学习统计特征的行人计数模型 | 第27-30页 |
| 3.3.1 深度卷积特征 | 第28-29页 |
| 3.3.2 卷积特征的统计分析 | 第29-30页 |
| 3.3.3 基于支持向量机的行人计数 | 第30页 |
| 3.4 实验结果与分析 | 第30-33页 |
| 3.4.1 数据集 | 第30-31页 |
| 3.4.2 评价标准 | 第31页 |
| 3.4.3 实验对比结果 | 第31-32页 |
| 3.4.4 实验结果分析 | 第32-33页 |
| 3.5 本章小节 | 第33-34页 |
| 第四章 基于深度学习的行人搜索 | 第34-46页 |
| 4.1 引言 | 第34-35页 |
| 4.2 相关工作 | 第35-36页 |
| 4.3 基于多任务融合网络的行人搜索的模型 | 第36-39页 |
| 4.3.1 模型概述 | 第36-38页 |
| 4.3.2 训练阶段 | 第38-39页 |
| 4.3.3 测试阶段 | 第39页 |
| 4.4 实验结果与分析 | 第39-44页 |
| 4.4.1 数据集 | 第39-40页 |
| 4.4.2 实验结果的评价 | 第40页 |
| 4.4.3 实验结果的评价 | 第40-41页 |
| 4.4.4 对比试验 | 第41-44页 |
| 4.5 本章小节 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表的论文 | 第55页 |
