基于深度学习的交通路口行人识别与监管系统开题报告

1. 研究目的与意义（文献综述）

当前，行人不遵守交通规则、无视红绿灯指令的现象仍然十分严重，如果在交通路口能有一个行人识别与监管系统，识别出违章行人并公示，则有助于改善行人违章的现象。交通路口的行人识别与监管系统，与自主车辆的视觉导航一样，属于计算机视觉的应用。随着深度学习的兴起，计算机视觉及其在交通系统中的应用得到了快速发展。

1.1研究目的和意义

科学发展的目的是给人提供更高质量的生活，也包括保障人身安全。在交通方面，当前行人不遵守交通规则、闯红灯的形势仍然严峻，因此有必要在交通中引进监控系统，对行人进行识别与监管，以此避免人身损失与经济损失。

2. 研究的基本内容与方案

2.1设计的需求分析

交通路口行人识别与监管系统需要通过摄像头拍摄交通信号灯和行人，对拍摄到的包含交通信号灯的画面和包含行人的画面进行处理分析，然后在路口的显示屏上显示出违规行人照片。处理分析的过程涉及深度学习训练，摄像头通过usb与计算机连接。

对交通路口行人识别与监管系统的基本要求如下：

a)基于深度学习等先进理论，实时性较强，在行人被遮挡、光照条件不同时仍能较为准确地识别出行人；

b)能够同时识别出画面中的多个行人；

c)基于Python等技术，具备较强的跨平台能力。

2.2设计基本内容

2.2.1设计总体架构设计

根据以上需求分析，基于深度学习的交通路口行人识别与监管系统采用基于深度学习框架的数据处理方式以及树莓派控制模式，系统的整体架构如图2.1所示。采用YOLO作为检测算法，以达到实时性的目的。（图可见附件）

图2.1 系统总体架构设计

2.2.2系统模块结构图

该行人识别与监管系统算法结构如下图2.2所示。

图2.2 行人识别与监管系统算法结构

在以下过程中摄像机始终拍摄交通信号灯并且识别信号灯指示。

当摄像机拍摄到交通信号灯为绿灯，即允许行人通行状态时，采集马路上违规行人的画面传送给计算机处理，计算机把处理结果传给显示屏；当摄像机拍摄到交通信号灯为红灯，即禁止行人通行状态时，行人画面不传送给计算机。

1.3技术方案

以Python语言编写的深度学习框架为行人识别与监管系统的行人识别部分进行设计，摄像头通过USB连接计算机并传输数据，算法采用YOLO以保证实时性。

3. 研究计划与安排

在综合考虑设计任务之后，设计进度安排如下：

第1-2周：查阅相关文献资料，明确研究内容，了解研究所需掌握的知识范围，完成开题报告。

第3-5周：学习编程技术和计算机视觉方面知识。

4. 参考文献（12篇以上）

[1]xiao t, li s, wang b, et al. end-to-end deep learning for person search[j]. 2016.

[2]liao s, hu y, zhu x, et al. person re-identification by local maximal occurrencerepresentation and metric learning[c].ieee conference on computer vision and patternrecognition. boston, usa, 2015: 2197-2206.

[3]chen y c, zheng w s, lai j h, et al. an asymmetric distance model for cross-viewfeature mapping in person re-identification[j]. ieee transactions on circuits and systems forvideo technology, 2016 (99): 1661-1675.