| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 无人驾驶国内外研究现状 | 第10-11页 |
| 1.2.2 行人检测研究现状 | 第11-12页 |
| 1.2.3 行人轨迹预测研究现状 | 第12-13页 |
| 1.3 本文主要章节安排 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 相关背景知识介绍 | 第15-26页 |
| 2.1 卷积神经网络 | 第15-16页 |
| 2.2 长短期记忆网络 | 第16-17页 |
| 2.3 生成式对抗网络 | 第17-18页 |
| 2.4 行人检测算法 | 第18-23页 |
| 2.4.1 基于人工特征的行人检测算法 | 第18-20页 |
| 2.4.2 基于深度特征的行人检测算法 | 第20-23页 |
| 2.5 行人轨迹预测算法 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 Tiny-Scale3-YOLOv3 行人检测算法研究 | 第26-39页 |
| 3.1 问题描述 | 第26页 |
| 3.2 Tiny-Scale3-YOLOv3 行人检测算法设计与实现 | 第26-32页 |
| 3.2.1 Tiny-Scale3-YOLOv3 行人检测算法模型设计 | 第26-29页 |
| 3.2.2 Tiny-Scale3-YOLOv3 行人检测算法基本步骤 | 第29-32页 |
| 3.3 Tiny-Scale3-YOLOv3 行人检测算法实验 | 第32-37页 |
| 3.3.1 数据集 | 第32-33页 |
| 3.3.2 性能评估指标 | 第33页 |
| 3.3.3 实验结果 | 第33-37页 |
| 3.4 行人检测算法的安全性分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 AS-GAN行人轨迹预测算法研究 | 第39-51页 |
| 4.1 问题描述 | 第39页 |
| 4.2 AS-GAN行人轨迹预测算法设计与实现 | 第39-45页 |
| 4.2.1 AS-GAN行人轨迹预测算法模型设计 | 第40-43页 |
| 4.2.2 AS-GAN行人轨迹预测算法基本步骤 | 第43-45页 |
| 4.3 AS-GAN行人轨迹预测算法实验 | 第45-48页 |
| 4.3.1 数据集 | 第45页 |
| 4.3.2 性能评估指标 | 第45页 |
| 4.3.3 实验结果 | 第45-48页 |
| 4.4 行人轨迹预测算法的安全性分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 行人检测和轨迹预测系统设计与实现 | 第51-57页 |
| 5.1 系统设计 | 第51-53页 |
| 5.2 可视化展示 | 第53-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 附录2 攻读硕士学位期间申请的专利 | 第63-64页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65-66页 |
