1. 研究目的与意义（文献综述）

人工智能大爆发的时代，各种智能产品层出不穷。智慧交通系统下车辆违章一定会被记录并且扣分，无疑这是人工智能大爆发的福利。当下车辆闯红灯几乎已经消失。因为大家都心知肚明，闯红灯一定会被记录并且会扣分和罚款。但是行人闯红灯确屡见不鲜，行人闯红灯不仅给自己的生命带来了危险也会影响到他人，更有甚者，可能就是因为行人闯红灯，导致了异常严重的交通事故。评价一个城市的环境，人们首先想到的就是交通。就像一面镜子，交通秩序映射着城市形象、文明程度、管理水平和百姓民生，反应着城市的综合实力和核心竞争力。城市的现代化建设正在如火如荼的进行着，当下中国拥有像香港、上海这样的国际化大都市，一线二线城市更是数不胜数。交通是一座城市的命脉，顺畅的交通会给一座城市注入活力，让城市的一切有条不紊的进行着。我来自于中国的一个贫困县城，虽然是贫困县城，但是城市的车流量也大得吓人，每当我走在故乡的小城中时，各种行人违章数不胜数，因为大家都抱有侥幸心理，我违章不会造成交通事故并且也没有人知道我违章了。殊不知大多数交通事故就是因为行人不遵守交通规则才发生的。行人扎堆闯红灯过马路，一直是交通治理的老大难问题，大家都知道闯红灯是违法的，但几乎每个人都闯过红灯，因为违法成本低，很少有人管，即便闯了也很难被发现。如果行人违章也能像车辆闯红灯那样被记录并惩罚，那么行人违章的现象一定会彻底消失。基于深度学习的行人违章识别系统就是为了解决行人违章问题而设计开发的。本系统基于深度学习，通过分析抓拍行人违章的图像，通过图像识别可以精确查出此人的身份信息，从而通过个人信用系统或者其他的途径对此人实施处罚。如果此系统普及全国，会给城市交通带来巨大的改善和极大程度的减少交通事故的发生。行人不在违章，一座城市的交通才会保持顺畅，城市才会有活力，从而加速城市的现代化建设。有了此系统对行人的约束，久而久之，遵守交通规则就会成为一种习惯，国民素质也会大大提高。

2. 研究的基本内容与方案

（1）基本内容：本系统的关键技术——基于深度学习的人脸识别技术。一共用到5个开源库：keras（深度学习框架）、tensorflow（深度学习库，构建模型）、tornado（web服务器）、numpy（开源数值计算拓展）、jupyter（交互式笔记本）。在进行人脸识别之前要进行预处理——人脸检测，首先要检测出人脸，才能进行识别。本系统最核心的模块是对系统进行训练，考虑创建或者利用一个神经网络模型，用这个模型和辅助开源库对系统进行训练。此模型结构是分层的，类似神经网络，第一层可能会寻找图形的边缘，第二层可能会寻找这些边缘所组成的图形，如长方形或者圆形，第三层可能寻找特定特征。每一层都把图像传递到下一层，直到最后一层。经过层层的特征分析，最终提取出图像的全部特征。本质还是对图片特征的提取，只是这种特征的提取是系统的神经网络通过学习提取到的，而不是通过传统算法提取图片特征。训练的过程也就是系统学习的过程，也是深度学习的核心应用。经过训练之后的系统就具备了智能识别人脸的能力，并且相较于传统算法，识别效率和成功率都大大提高。

（2）目标：实现对抓拍的行人违章图片进行智能识别找出违章行人的身份信息。技术方案及措施：编程语言：python；开发工具：keras tensorflow tornado numpy jupyter

3. 研究计划与安排

第1~3周：毕业设计选题

第4周：查阅收集资料，整理

第5~7周：需求分析，确定功能模块，建立模型

4. 参考文献（12篇以上）

[1]、bengio. deep learning，人民邮电出版社，2015.

[2]、g.hintonetal. 在神经网络中提取知识，清华大学出版社，2012.

[3]、王虎、张骏. 管理信息系统（第二版），武汉理工出版社，2007.