1. 研究目的与意义（文献综述）
1.论文目的及意义
1.1 论文目的
随着智能化不断深入各个领域，人工智能已成为现代工业及人们日常生活所追求的发展方向。对于汽车行业而言，无人驾驶技术已成为各大车企的研究热点，而为了实现无人驾驶，就需要通过严谨且精密的算法，使汽车可以精确的检测到周围的行人目标并实现避让，这使得计算机视觉技术中的物体检测成为实现智能化的基本任务之一。随着深度学习技术的不断发展，物体检测领域受到了越来越广泛的关注，行人作为交通道路的重要组成部分，日益受到工业领域与学术领域的广泛关注，行人检测是指应用相关视觉技术判断输入数据中是否存在行人并给出具体的位置信息，属于目标检测领域的聚焦和细分。本论文的目的是：一，研究深度学习的主要原理及其在行人检测领域的发展过程。二，详细介绍并比较了目前学术界和工业界中出现的三类目标检测算法，即传统的目标检测算法、候选区域结合深度学习类算法、基于深度学习的回归算法。三，基于faster r-cnn的主要原理以及整体构造，构建网络进行行人检测，并通过优化传统算法的参数验证行人检测网络的可行性与准确性。
2. 研究的基本内容与方案
3.1研究内容
行人检测是计算机视觉中的重要课题之一，在当前快速发展的无人驾驶应用领域中有着至关重要的地位。由于行人检测技术的实用价值，很多学者和技术人员投入了大量的时间和精力研究行人检测方法。近年来，深度学习的兴起使得计算机视觉进入了发展的黄金时期，也对行人检测方法的发展起到了巨大的推进作用。虽然行人检测技术的研究成果层出不穷，检测的准确率也大有提高，但行人检测问题依然被视为在静态或动态背景中对象检测的一大难题。原因在于人体灵活多变的、着装肤色各异、环境背景千差万别、以及不可避免的遮挡问题和行人的多目标多尺度问题。
本文研究的内容是：
3. 研究计划与安排
4. 参考文献（12篇以上）
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
