文献综述
课题研究的现状及发展趋势
行人安全一直以来是交通安全中的焦点问题。行人检测作为目标检测的一个重要分支,在很多方面有着广泛的应用前景。在交通环境中,司机需要了解车辆周围的行人信息。司机根据车辆周围的行人信息,做到规避行人,避免碰撞行人,造成行人伤亡。在人流比较密集的场所,行人检测能够提供某地某时某刻的行人数量,根据行人的分布情况,正确引导行人到正确的逃生出口,最大可能的减少行人的伤亡。
卷积神经网络(Convolution Neural Network,简称 CNN)的广泛应用,让更多的研究者也将 CNN 应用到行人检测。基于 CNN 在识别上面的天然优势,使行人检测进入到了智能的模型训练和识别的时代。Wanli Ouyang,Xiaogang Wang 等人提出了 DeepID-Net,对卷积神经网络(Convolution neural network)和 DPM 模型进行融合,使得行人检测变得更加高效和智能。更多的学者投入到行人检测领域,而且乐此不疲,他们立志于发扬光大,力争在将来的某一天能够行人检测技术服务于全人类。
行人检测未来的发展分为两个方向,会朝着更加智能化和应用性发展。智能化的检测与识别,能够自适应的解决各种场景及各种恶劣环境下的检测。未来行人检测离不开深度学习,以及对行人自身数据的挖掘,融合大数据统计规律性,从中挖掘出更有效的人体特征。在检测与识别算法上,BP、CNN 会更加广泛应用,通过搭建更加高效合理的网络模型,提高自学习性,使得最终的检测与识别更加智能、快捷与高效。
行人检测发展的另一个方向就是应用性,对于未来的智能交通、无人驾驶汽车辅助系统、智能安防系统都离不开高效的行人检测。只有将理论应用于生产与生活之中,才具备其本身的价值,提高行人检测应用的广泛性以及普遍性,才能真正改变我们的生活。
参考文献
[1]车志富,苗振江,王梦思.地铁视频监控系统中的行人检测研究与应用[J].
[2]许言午,曹先彬,乔红.行人检测系统研究新进展及关键技术展望.《 电子学报 》,2008
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。