基于树莓派与EdgeTPU的实时行人检测与跟踪系统.docxVIP

PAGE2

基于树莓派与EdgeTPU的实时行人检测与跟踪系统

摘要

随着智能安防与自动驾驶等领域的快速发展，嵌入式平台上的实时行人检测与跟踪需求日益迫切。

本文针对传统嵌入式系统算力不足、实时性差的问题，设计并实现了一套基于树莓派与EdgeTPU加速器的实时行人检测与跟踪系统。

系统以YOLOv4-tiny为基础模型，利用TensorFlowLite框架和EdgeTPU的硬件加速能力，实现摄像头视频流的实时推理，并结合DeepSORT多目标跟踪算法，稳定输出行人轨迹。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进思路展开。

第一章分析嵌入式视觉任务面临的性能瓶颈，明确研究目标与意义；第二章介绍YOLOv4-tiny、EdgeTPU及DeepSORT等关键技术，并通过技术选型对比论证方案合理性；第三章对系统功能与非功能需求进行详细建模，建立用例表和性能指标；第四章完成系统总体架构设计，划分视频采集、模型推理、目标跟踪与轨迹管理四个核心模块；第五章深入阐述了帧预处理、模型量化部署、多目标跟踪流程及卡尔曼滤波预测等关键算法；第六章展示了系统在树莓派4B上的具体实现，并给出核心代码片段与运行效果；第七章通过功能测试与性能测试，验证了系统在1280×720分辨率下达到28FPS的实时处理能力，且跟踪精度MOTA超过85%。

本设计的核心创新在于：将EdgeTPU硬