摘要：计算机视觉有着很多最前沿的应用，行人检测技术就是其中的一个。行人检测技术作为一个较为基础的研究方法，是很多领域研究的前提。行人检测就是计算机从图像中或者视频里面识别出行人，并且做出相应的标记，在如今高科技时代，什么都是智能化，所以行人检测的效果也非常重要，比如监控系统中，我们就需要准确的检测到行人，这样监控才能起到应有的作用，如今，自动驾驶汽车也兴起了，这更是让我们知道行人检测的重要性了，如果在自动驾驶汽车系统中行人检测不准确，那么就可能会造成很大的危险，行人检测有很多年的发展了，但是还是有很大的研究问题，图像场景中的人物穿着，行为动作，以及光线问题都让对行人的识别有很大的困扰，传统的行人检测主要是三步，第一步是预处理图片，第二部就是提取特征，第三步就用分类器进行训练，传统的检测有很大的缺点，它提取的特征不够完美，而且窗口还很复杂，用时也很长，所以就出现了深度学习的行人检测算法，深度学习是利用深度神经网络的机器视角算法，它在传统行人检测的基础上将图像的特征提取与分类器训练放在了同一个网络，而且它利用的人脑的视觉机理，能够提取出更加高级的特征。

本文主要内容是利用opencv进行图像处理，然后使用labeling工具进行图像标注。最后使用yolov2网络的实时性和适应高分辨率的特点来训练行人检测模型。

关键词：深度学习，行人检测，yolov2，opencv。

目录

摘要

Abstract

1 绪论-1

1.1-课题研究背景及意义-1

1.2-国内外研究现状-1

1.3-本文主要内容与章节安排-2

2 传统行人检测研究综述-3

2.1 行人检测综述-3

2.2 滑动窗口选择-3

2.3 梯度方向直方图-4

2.4 支持向量机-6

2.5 基于HOG+SVM的行人检测-7

2.6本章小结-8

3 深度学习行人检测研究综述-9

3.1深度学习简述-9

3.2 深度学习的基本思想-9

3.3 深度学习特征提取-10

3.4 基于深度学习的行人检测-11

3.4.1 反向传播算法-11

3.4.2 系统框架-12

3.5本章小结-13

4 数据集的准备及标注-14

4.1 数据集的准备-14

4.2 图像标注-16

4.3本章小结-17

5 YOLOV2训练行人检测模型-18

5.1-YOLOV2简述-18

5.2-Opencv介绍-19

5.3-配置Yolov2网络-22

5.4-Yolov2训练行人检测模型-23

5.4.1预处理-23

5.4.2参数调节-24

5.4.3运行训练-25

5.5本章小结-26

6 总结-27

参 考 文 献-28

致 谢-29