基于深度学习的智能车辆行人检测技术研究.docx

毕业论文

基于深度学习的智能车辆行人检测技术研究

学生姓名

学院

专业班级

如：2022级本科护理学1班

学号

指导教师

教师职称

完成日期

如2023年4月30日

毕业论文（设计）原创性声明

本人郑重声明：所提交的毕业论文（设计），是本人在导师指导下，独立进行研究工作所取得的成果。除文中已注明引用的内容外，本毕业论文（设计）不包含任何其他个人或集体已经发表或撰写过的作品成果。对本研究做出过重要贡献的个人和集体，均已在文中以明确方式标明并表示了谢意。

论文作者签名：日期：年月日

学位论文版权使用授权书

?本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权省级优秀学士学位论文评选机构将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

本学位论文属于

1、保密□，在_____年解密后适用本授权书。?

2、不保密□。

（请在以上相应方框内打“√”）

论文作者签名：日期：年月日

导师签名：日期：年月日

山东现代学院本科毕业论文

摘要

在智能交通、无人驾驶、智能安全等诸多方面，基于交通工具的行人识别是其中的核心问题，也是当前国内外研究的热点。在此基础上，提出了一种基于雷达、摄像头、红外等多种传感器的新思路。但是，在实践中，这种方式存在着较大的缺陷。但是，由于其对光照变化、恶劣天气和物体之间的相互干扰，使得其探测精度大大降低。然而，现有的识别方法通常都是人工进行特征提取与分类，这不但导致了算法的设计复杂度，而且也导致了系统的研制与维护开销。近几年，随着深度学习的快速发展，道路上的行人识别研究迎来了新的契机。深度学习能够从海量的样本中抽取出深层的特征，从而大幅提升识别的精度和稳健性。本项目以深度神经网络为基础，通过对光照、气象等变化的适应性，实现对复杂环境下的高效探测。本项目拟对利用深度学习技术进行汽车内行人识别的理论、方法和应用进行研究。本项目拟对基于深度学习的行人识别算法进行深入研究，提出相应的网络体系结构、训练策略及算法。在此基础上，本项目还将研究该方法在智能交通、无人驾驶等领域的应用效果，探索该方法对提高交通安全与通行效率的作用。

关键词：深度学习；智能车辆；行人检测技术

Abstract

Withtheboomingdevelopmentofintelligenttransportationsystems,autonomousvehicle,intelligentsecurityandotherfields,vehiclepedestriandetectiontechnology,asoneofthekeytechnologiessupportingthedevelopmentofthesefields,isincreasinglyreceivingextensiveattentionfromacademiaandindustry.Traditionalvehicleandpedestriandetectionmethodsmainlyrelyonvarioussensortechnologies,suchasradar,cameras,andinfraredsensors.However,thesemethodshaveexposedmanylimitationsinpracticalapplications.Forexample,theyaresusceptibletoenvironmentalfactorssuchaschangesinlightingconditions,adverseweather,andtargetocclusion,leadingtoasignificantdecreaseindetectionaccuracy.Meanwhile,traditionalmethodsoftenrequiremanualdesignoffeaturesandclassifiers,whichnotonlyincreasesthecomplexityofalgorithmdesignbutalsor