声明
致谢
摘要
1绪论
1.1研究背景及意义
1.1.1课题研究背景
1.1.2课题研究意义
1.2汽车ADAS与行人检测的国内外研究现状
1.2.1汽车ADAS的研究现状
1.2.2行人检测的研究现状
1.3汽车ADAS行人检测的难点与数据集
1.3.1汽车ADAS行人检测的难点
1.3.2行人检测数据集
1.4论文主要研究内容及技术路线
1.4.1研究内容
1.4.2章节内容安排
1.5本章小结
2基于机器视觉的行人检测基本理论
2.1.2视觉传感器的选择
2.1.3 NRIA-NEW混合数据集的建立
2.2行人区域的选择
2.3行人特征的提取
2.4行人特征的识别
2.4.1自适应增强算法
2.4.2支持向量机
2.4.3卷积神经网络
2.5行人碰撞预警系统
2.6本章小结
3基于深度学习的端到端汽车ADAS行人检测
3.2 Faster R-CNN检测网络的构成
3.2.1区域建议网络
3.2.2锚点机制
3.2.3 ROI池化层
3.2.4多任务损失函数
3.3试验与检测结果分析
3.3.1行人检测性能评价指标的选取
3.3.2 Faster R-CNN行人检测模型的训练
3.3.3试验结果及分析
3.4 YOLO检测网络的构成与分析
3.5本章小结
4汽车ADAS行人检测模型的优化设计
4.1 YOLO网络模型的优化设计
4.1.1 YOLO-P网络模型的构建
4.1.2 YOLO-Person网络模型的构建
4.2 YOLO网络模型优化方案的确定
4.3基于YOLO优化模型的行人检测模型训练
4.3.1行人检测优化模型的迁移学习
4.3.2行人检测优化模型的训练细节
4.4试验与检测结果分析
4.5本章小结
5基于优化模型YOLO-Person的行人碰撞预警系统设计
5.1行人碰撞预警系统概述
5.2行人碰撞预警准则与流程的建立
5.2.1行人碰撞预警准则的提出
5.2.2 PCW系统工作流程的制定
5.3行人碰撞预警系统的设计
5.3.1图像采集与预处理模块
5.3.2行人检测模块
5.3.3行人测距模块
5.3.4预警提示模块
5.4车载视频行人检测的试验
5.5本章小结
6总结与展望
6.1总结
6.2展望
参考文献