摘要：人们的出行更多地依赖机动车。随着机动车的不断增加，交通事故隐患也不断增大。近年来，国内外许多学者对智能交通进行了深入的研究，旨在缓解日益严重的交通事故问题。目前，计算机硬件性能不断提高，算法的执行时间大大降低，给智能交通系统的研究带来了方便。行人检测技术是无人驾驶的重要组成部分。

本文实现了一种基于深度回归神经网络的行人目标检测算法。首先，构建一个深度的回归神经网络模型，基于车载摄像头拍摄的图像和公开的数据集，构建样本的训练集、验证集和测试集，对模型进行连续训练，得到最佳的参数和行人检测模型；接着，基于测试样本集，测试训练好模型的有效性；然后，使用QT5构建程序的GUI，设计和实现基于车载摄像头的行人检测系统，适应实际的需求。

为了验证整个系统的有效性，在基于车载摄像头的行人检测系统中，通过车载摄像头采集视频数据，利用实现的目标检测算法检测行人，并在系统界面上显示检测结果。实验表明，本文的基于深度学习回归网络的行人目标检测算法，在确保检测精度的同时，满足对行人检测实时性的要求，具有实际应用价值。

关键词：深度学习；图像处理；YOLO行人检测 

目  录

摘  要

ABSTRACT

第一章-绪  论-1

1.1选题背景以及意义-1

1.2课题研究现状-1

1.2.1 国内研究现状-1

1.2.2国外研究现状-3

1.3行人检测的技术难点-4

1.4论文研究内容-5

1.5章节结构安排-5

1.6本章小结-5

第二章-深度学习的理论基础-6

2.1深度学习-6

2.2卷积神经网络-6

2.3相关技术介绍-8

2.3.1 OpenCV-9

2.3.2 CUDA与cuDNN-9

2.3.3 GPU运算-9

2.4 YOLO-10

2.5本章小结-11

第三章-基于YOLO深度学习模型的行人检测-12

3.1YOLO的原理-12

3.1.1 YOLO的检测过程-12

3.1.2损失函数设计-14

3.2YOLO网络设计-14

3.3运动目标跟踪-18

3.3.1 目标跟踪算法-18

3.3.2 关系矩阵-19

3.3实验结果与分析-20

3.3.1 测试数据介绍-20

3.3.2 行人检测系统测试-20

3.4本章小结-22

第四章 行人检测系统的设计和实现-23

4.1行人检测系统-23

4.2行人检测系统设计框架-23

4.3客户端的实现-23

4.4运用YOLO行人检测算法检测行人-25

4.5实验结果-26

4.5本章小结-29

第五章 总结和展望-30

5.1论文总结-30

5.2未来展望-30

参考文献-32

致  谢-34