基于Tiny-YOLOv3的行人目标检测研究.pptx

content

目录

01

研究背景与问题提出

02

核心技术架构分析

03

模型改进策略设计

04

实验环境与数据构建

05

性能评估与结果分析

06

应用场景拓展与系统集成

07

未来展望与研究方向

研究背景与问题提出

01

传统行人检测方法在复杂场景下面临鲁棒性差与实时性不足的挑战

鲁棒性缺陷

传统方法如HOG+SVM依赖手工特征，在光照变化、遮挡或背景杂乱时易失效。复杂场景下行人外观变异大，导致检测稳定性差。

实时性瓶颈

滑动窗口与多尺度搜索策略计算开销大，难以满足视频流实时处理需求。传统算法帧率普遍低于20FPS，存在明显延迟。

特征表达局限

手工设计特征泛化能力弱，无法捕捉行人的深