科技技术的飞速发展提高了人们的生活质量，人工智能的出现改变了人们的生活方式。很多需要大量人力才能完成的工作，可以由计算机来帮助完成，而在这个过程中，计算机视觉是大部分工作的前提和基础。计算机视觉是模仿人的视觉能力，并辅助一定的学习能力来对目标完成识别任务，其研究涉及了图像处理、模式识别、目标定位等多个领域。目标检测，也可以称为目标提取，它将目标的分割和识别结合起来，以达到在图像中寻找目标并识别目标的目的。目标检测的速度和效率，是检测系统非常重要的评价标准，尤其是在复杂的场景中，对多个目标进行检测处理时，目标的检测能力就显得更加重要。

行人检测是目标检测中十分特别的一类检测，行人的检测与跟踪技术广泛应用于家庭、小区的智能监控，智能交通，汽车的辅助/自动驾驶，工业、家庭中的机器人及人机交互等人工智能中。

行人检测技术已得到研究员们的广泛研究，不断提出了很多行人检测的相关算法，并得到了较好的成果。近些年，深度学习在图像模式识别、图像分类和人脸识别等领域都取得了重大的突破，与此同时，卷积神经网络在目标检测领域，同样取得了极大的成就，这说明了深度学习尤其是卷积神经网络，在提取图像特征方面具有极大的优势，越来越多的研究人员也将卷积神经网络同行人检测算法相结合并得到不错的结果，基于卷积神经网络的行人检测算法也逐渐成为当前算法的主流，这些研究有力的推动了行人检测技术的快速发展。行人检测技术的快速发展，使其应用范围不断拓展，而在一些特定的高精度领域，又对行人检测技术提出了更高的要求，促使行人检测算法不断完善和加强。因此，立足于完善并改进行人检测技术中深度学习算法，特别是卷积神经网络算法的研究，有着重要的理论意义和应用价值。

但行人检测技术涉及模式识别、图像处理、计算机视觉和机器学习等多学科的知识，同时受到衣着、光照变化、身体姿势、尺度变化、视角变化和复杂背景等的影响，因而至今没有达到令人满意的效果，需要研究者们继续努力。

2. 研究的基本内容与方案

对基于卷积神经网络的行人检测的研究具有重大意义，本文的主要内容如下：

第一章 绪论；基于CNN行人检测研究的背景和意义，国内外发展现状，研究的内容和方法以及文章结构。

第二章 卷积神经网络基础；介绍卷积神经网络相关概念及其原理，理解经典卷积神经网络模型。

第三章 算法设计分析；介绍基于卷积神经网络的行人检测算法