| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题来源与研究意义 | 第9-10页 |
| 1.2 研究背景与意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 目标检测与识别 | 第11-12页 |
| 1.3.2 深度学习在计算机视觉领域的研究现状 | 第12-13页 |
| 1.3.3 研究现状小结 | 第13-14页 |
| 1.4 研究目标与研究内容 | 第14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 第二章 深度学习理论基础 | 第16-29页 |
| 2.1 人工神经网络 | 第16-19页 |
| 2.1.1 神经元 | 第16-17页 |
| 2.1.2 人工神经网络模型 | 第17-18页 |
| 2.1.3 反向传播算法 | 第18-19页 |
| 2.2 卷积神经网络 | 第19-22页 |
| 2.2.1 网络结构 | 第19-20页 |
| 2.2.2 基本原理 | 第20-22页 |
| 2.3 RCNN系列算法分析 | 第22-28页 |
| 2.3.1 RCNN | 第22-23页 |
| 2.3.2 SPPNet | 第23-24页 |
| 2.3.3 Fast-RCNN | 第24-26页 |
| 2.3.4 Fater-RCNN | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 系统设计与实现 | 第29-52页 |
| 3.1 需求分析 | 第29-30页 |
| 3.1.1 功能需求分析 | 第29页 |
| 3.1.2 性能需求分析 | 第29-30页 |
| 3.2 系统总体设计 | 第30-32页 |
| 3.2.1 系统功能模块设计 | 第30-31页 |
| 3.2.2 系统总体逻辑结构图 | 第31-32页 |
| 3.3 视频采集模块 | 第32-35页 |
| 3.3.1 溯源视频下载 | 第32-34页 |
| 3.3.2 实时视频流采集 | 第34-35页 |
| 3.4 视频处理模块 | 第35-40页 |
| 3.4.1 视频帧提取 | 第36-37页 |
| 3.4.2 运动检测方法设计 | 第37-40页 |
| 3.4.3 数据传递 | 第40页 |
| 3.5 深度学习模块 | 第40-48页 |
| 3.5.1 深度学习数据集建立 | 第41-43页 |
| 3.5.2 深度学习网络模型 | 第43-45页 |
| 3.5.3 运动目标检测识别 | 第45页 |
| 3.5.4 基于Faster-RCNN的目标检测与识别 | 第45-48页 |
| 3.6 前端展示模块 | 第48-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 系统运行与测试 | 第52-71页 |
| 4.1 系统软硬件平台搭建 | 第52-57页 |
| 4.1.1 系统硬件平台 | 第52-53页 |
| 4.1.2 深度学习软件平台 | 第53-57页 |
| 4.2 运行结果与测试分析 | 第57-70页 |
| 4.2.1 运动检测方法测试与分析 | 第57-58页 |
| 4.2.2 深度学习模型训练结果与分析 | 第58-61页 |
| 4.2.3 运动检测识别系统的结果与分析 | 第61-65页 |
| 4.2.4 基于Faster-RCNN检测识别系统的结果与分析 | 第65-68页 |
| 4.2.5 前端展示与测试分析 | 第68-70页 |
| 4.3 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-72页 |
| 5.1 本文工作总结 | 第71页 |
| 5.2 本文工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |