基于深度学习的行人检测与行人识别研究

《基于深度学习的行人检测与行人识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深度学习的行人检测与行人识别研究作者姓名艾拓学科专业通信与信息系统指导教师杜明辉教授梁亚玲副教授所在学院电子与信息学院论文提交日期2018年4月ResearchforPedestriandetectionandPersonidentificationbasedonDeepLearningADissertationSubmittedfortheDegreeofMasterCandidate：AiTuoSupervisor：Prof.DuMinghuiSouthChinaUniversityofTechnologyGuangzhou,Chi

2、na分类号：TP39学校代号：10561学号：201520108607华南理工大学硕士学位论文基于深度学习的行人检测与行人识别研究作者姓名：艾拓指导教师姓名、职称：杜明辉教授申请学位级别：工学硕士工程领域名称：通信与信息系统研究方向：深度学习论文提交日期：2018年4月12日论文答辩日期：2018年6月3日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：马丽红教授委员：杜明辉教授、杨春玲教授、刘杰平副教授、钟海波高级工程师摘要现如今，大部分智能设备主要负责用户交互和数据采集，随着智能设备部署越来越多，这种模式对网络带宽和服务器计算资

3、源的消耗也会越来越大。对此，本文构建了一个行人识别系统，该系统分为两个部分：基于Android平台的行人检测部分；基于后端计算机平台的行人识别部分。该系统突出了两个优点：1）传输检测之后的行人，节省了网络带宽。2）将检测任务放在Android设备完成，起到了去中心化的效果，减轻了服务器压力。在Android平台的行人检测部分中，本文对比了FasterRCNN，YOLO等深度学习目标检测算法，并对其进行了改进。根据安卓平台计算能力较弱的特性，本文使用NEON，OpenMP加速卷积计算，检测速度达到0.1秒/帧。通过算法改进和高效的卷积实现，本文Andro

4、id行人检测既有很高的精度又有很强的时效性。在计算机端的行人识别部分中，本文使用的是提取特征加相似度度量的方式，对比训练分类器分类的方式，该方式更加灵活，训练出的模型具有通用性。行人识别依然使用深度卷积网络提取特征，行人特征代表行人的身份ID用于身份识别。在CUHK01数据集上测试算法准确度，与多种算法进行对比，取得了最高Top-1击中概率30.9%。并通过对特征可视化和行人聚类研究，从另外一个角度体现了本文卷积网络较强的区分性。本次研究将理论和实际相结合，研究过程中本文对比改进了多种深度学习算法，减少了参数计算，提升了识别精度；使用了Neon，Ope

5、nMP等方法对Android平台卷积计算进行了加速，在两个不同算力的Android设备均取得了非常快的计算速度。总而言之，本次研究具有一定的理论深度和实际应用价值，其实验具有算法多样性和平台多样性。关键词：行人检测；行人识别；深度学习；Neon；ARMIAbstractNowadays,intelligentdevicesaremainlyresponsibleforusersinteractionanddatacollection.Theconsumptionofnetworkbandwidthandservercomputingareincreas

6、edasintelligentdevicesaredeployedmoreandmore.Inthisregard,thisreaserchbuildsapersonidentificationsystem.Thesystemconsistsoftwoparts,oneispedestriandetectionbasedonAndroidplatform，theotherispersonidentificationsystembasedoncomputer.Therearetwoadvantagesofthismode:1.Itonlytransfer

7、sdetectedimage，whichsavesnetworkbandwidth.2.PedestriandetectionisimplementedinAndroiddevice，whichcanrelievestressofserverandcontributetothedecentralizationofpower.IntheresearchofpedestriandetectionbasedonAndroidplatform，weevaluatedandimprovedseveraldeeplearningobjectdetectionalg

8、orithms，suchas，FasterRCNN，YOLO，andsoon.Duetowea