1. 毕业设计（论文）主要内容：

近年来，行人检测技术由于其在视频监控、汽车无人驾驶技术、智能机器人等多个领域都发挥了不可或缺的作用，成为了现代计算机视觉领域的一个非常热门的研究课题。

行人检测技术的主要原理是先通过前台摄像头捕捉监控画面，将相关图像信息发送给后台服务端即检测处理算法，将行人目标信息进行捕获分析，并且对其进行身份识别，目标跟踪等工作。基于传统的机器学习方法的行人检测目前相对来说已经比较成熟，但是伴随着现代科技产品日益提高的精度、实时性以及鲁棒性能的要求越来越高，传统的行人检测方法已经不再能够满足人们日益增长的需求，而深度学习的出现给行人检测带来了新的研究方向。用不同的深度学习网络，提取更为高级抽象的行人特征，获取传统行人检测方法所不具有的优势，从而实现更快更准确的行人检测，推动汽车高级辅助驾驶系统，机器人以及智能化系统的进一步发展，因此基于深度学习的行人检测算法成为了当前该领域的研究热点之一。

本文将对基于深度学习的行人检测算法进行深入分析与研究，用matlab、tensorflow等框架搭建神经网络，最终进行模拟仿真，对比不同算法的行人检测效果。

2. 毕业设计（论文）主要任务及要求

1. 查阅相关资料15篇以上（其中近五年英文文献不少于3篇）；

2. 完成开题报告；

3. 基于深度学习的行人检测的原理及相关算法的学习；

3. 毕业设计（论文）完成任务的计划与安排

第1—2周：查阅相关的文献资料，对研究内容进行整体了解；

第3—4周：了解整体实现方案，完成开题报告；

第5—12周：根据方案进行设计和实现；

4. 主要参考文献

[1]wang s, cheng j,liu h, et al. pcn: part and context information for pedestrian detection withcnns[j]. 2018.

[2]ribeiro d , mateusa , miraldo p , et al. a real-time deep learning pedestrian detector for robotnavigation[j]. 2016.

[3]s. zhang, j. yang,b. schiele, et al.occluded pedestrian detection through guided attention incnns.[c].//ieee conference on computer vision and pattern recognition., 2018.