监控场景下行人检索系统的设计与实现任务书
2020-02-20 08:02
1. 毕业设计（论文）主要内容：
本课题旨在研究更具有实际应用价值的行人检索方法并实现一个完整的行人检索系统。便于一线视频侦查人员快速、准确地发现嫌疑目标活动画面和轨迹，对公安部门提高破案率、维护人民群众生命财产安全具有重要意义。
研究方法包含行人检测和行人重识别两项技术，利用深度学习框架PyTorch实现网络结构设计并训练模型，封装成对应的OpenCV接口并用QT等界面工具实现效果演示系统。
2. 毕业设计（论文）主要任务及要求
1）研究基于深度特征的目标行人检测算法，优化监控环境下行人检测效果；
2) 研究基于部件匹配的行人距离度量方法，构建具有判别力的距离度量模型；
3) 封装算法模型接口，利用qt等界面开发工具实现算法演示系统。
3. 毕业设计（论文）完成任务的计划与安排
| 时间节点 | 拟完成内容 |
| 2019年1月19日-2019年2月20日 | 绪论及国内外研究现状调研 |
| 2019年2月21日-2019年3月20日 | 基于深度特征的行人检测模型 |
| 2019年3月21日-2019年4月10日 | 基于部件匹配的行人距离度量方法 |
| 2019年4月11日-2019年4月29日 | 整体系统设计与实现 |
| 2019年4月30日-2019年5月20日 | 论文的迭代修改 |
| 2019年5月-2019年6月 | 答辩准备 |
4. 主要参考文献
[1] girshick r, donahue j, darrell t, et al. rich feature hierarchiesfor accurate object detection and semantic segmentation[j]. 2013:580-587.
[2] he k, zhang x, ren s, et al. spatial pyramid pooling in deepconvolutional networks for visual recognition.[j]. ieee transactions on patternanalysis amp; machine intelligence, 2015, 37(9):1904.
[3] girshick r. fast r-cnn[j]. computer science, 2015.
