视频场快速行人动态检测算法与实现的中期报告.docxVIP

视频场快速行人动态检测算法与实现的中期报告

一、选题背景

目前，在很多实际应用中，动态行人检测技术已经成为非常重要的研究方向之一，如视频监控、智能交通等领域。视频场景中行人的数量较多，而且要求实时性高、精度高，这个要求对算法提出了更高要求。

二、主要研究内容

本课题拟实现基于深度学习的快速行人动态检测算法。主要研究内容如下：

1.深度学习相关知识学习：了解深度学习的基本理论和常用算法；

2.数据集选择和模型设计：选择合适的行人检测数据集进行模型训练，并设计出高效的模型；

3.训练模型：使用Pytorch训练基于深度学习的行人动态检测模型；

4.实现模型测试：实现模型的测试和评价，优化模型的性能；

5.编写项目报告：撰写项目报告，详细介绍算法原理、设计和实现等方面的内容。

三、预期成果

预期实现一个基于深度学习的行人动态检测算法，并达到以下效果：

1.实现算法的实时性：检测速度达到10帧/秒以上，满足实际应用需求；

2.达到较高的准确率：在公开的行人检测数据集上达到90%以上的准确率。

四、现有工作

目前，已有很多行人检测算法被提出。其中，基于深度学习的行人检测算法效果最好，并且已经在很多领域得到了广泛应用。本课题将主要借鉴和基于FasterR-CNN和YOLOv3这两个检测算法实现。