1. 毕业设计（论文）主要内容：
在智能安防监控网络中，行人检测是众多安防应用如异常行为检测，群体事件预警，可疑人物自动查询等的基础算法，一个稳定精确的行人检测结果对整个智能安防系统带来的积极影响是巨大的。
针对监控摄像头采集的视频数据，采用基于DPM（Deformable Parts Model）的行人检测算法对视频帧中出现的人进行自动检测，在人物发生遮挡，拥挤的情况下实现较为鲁棒的检测结果。
本课题拟设计并实现一个基于DPM的行人检测系统。
2. 毕业设计（论文）主要任务及要求
1. 必读参考文献撰写格式必须规范。
2. 阅读的参考文献不少于15篇（其中近5年外文文献不少于3篇)。
3.设计并实现一个基于DPM的行人检测系统；获取实验所需行人检测的训练数据以及测试数据；理解并实现DPM行人检测算法；了解HOG特征，DPM算法设计，LSVM分类器的使用；利用Matlab编程DPM行人检测系统；针对各组测试数据，分析不同特征与不同分类器对检测效果的影响（设定单帧的检测准确度）；
4. 完成不少于12000字的论文的撰写并完成答辩的相关工作。
3. 毕业设计（论文）完成任务的计划与安排
（1）第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。（2）第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
（3）第6－9周：编程实现各算法，并进行调试。
（4）第10－12周：针对具体的实验数据，完成整个系统的程序编译，实现功能。
4. 主要参考文献
[1] P. Felzenszwalb, D. McAllester, D. Ramanan. A Discriminatively Trained, Multiscale, Deformable Part Model IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2008[2] P. Felzenszwalb, R. Girshick, D. McAllester, D. Ramanan. Object Detection with Discriminatively Trained Part Based Models IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 32, No. 9, Sep. 2010
[3] P. Felzenszwalb, R. Girshick, D. McAllester. Cascade Object Detection with Deformable Part Models IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2010
[4] P. Felzenszwalb, D. McAllester. Object Detection. Grammars University of Chicago, Computer Science TR-2010-02, February 2010
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
