1. 研究目的与意义（文献综述）

在安防领域，“人”是最重要的因素，所有的案事件都是围绕着“人”展开。因此，对于“人”的精准的智能分析，也是用户最为渴求的。从目前的情况来看，“人脸识别”和“人群分析”在安防领域的应用最多，也是最能与用户业务形成关联的。不过，受限于传统视频分析技术对应用场景的高要求以及自身算法提取方面的局限性，传统的“人脸识别”和“人群分析”很难达到实用的程度，深度学习的引入则很好地解决了这两项技术的实用性问题。

由于大规模人群聚集而发生的危害性事件屡有发生，人群聚集风险愈发突出，已成为政府和社会关注的城市公共安全重要问题之一。如何事前发现聚集趋势，在哪种临界状态启动预案，启动什么等级的预案，对城市管理工作提出了诸多挑战。

在传统的人群分析系统中，是通过人工设计的“头肩模型”找到“人”个体，再对其进行行为分析、数量统计，其分析结果易受射影畸形、背景干扰、光照突变、阴影、遮挡等一系列因素的干扰。监测区域内的人数统计，也只能单纯依靠出入口跨线统计方式进行人群计数，无法监测区域内部环境人群数量变化。

2. 研究的基本内容与方案

2.1 研究的基本内容

采用matlab或c 编程，基于现有的深度学习理论和框架，结合特定人群的特点，设计一种有效的特定人体识别算法，可用于车站、机场、银行、广场等人员密集地区，防止危险的发生，具有一定的应用研究价值。

2.2 目标

3. 研究计划与安排

第1周—第3周 查阅资料和制定方案；

第4周—第8周 进行算法设计，编写识别软件；

第9周—第13周 对系统进行调试；

4. 参考文献（12篇以上）

[1]郭丽丽,丁世飞.深度学习研究进展[j].计算机科学,2015,42(5):28-33.

[2]朱煜,赵江坤,王逸宁,等.基于深度学习的人体行为识别算法综述[j].自动化学报,2016,42(6):848-857.

[3]peter flach.机器学习[m].人民邮电出版社,2016.