摘要
随着城市化进程的加快和交通流量的不断增长，交通安全问题日益突出，行人作为交通参与者中的弱势群体，其安全问题尤为重要。
基于图像处理的交通视频中的行人检测与跟踪技术，作为智能交通系统(ITS)的关键技术之一，对于提高道路交通安全、缓解交通拥堵等方面具有重要意义。
本文首先介绍了行人检测与跟踪的相关概念，包括数字图像处理、计算机视觉、目标检测、目标跟踪等。
其次，概述了行人检测与跟踪技术的研究现状，包括传统方法和基于深度学习的方法，并对各种方法的优缺点进行了分析比较。
接着，详细介绍了几种主流的行人检测与跟踪算法，包括传统的HOG SVM、DPM算法以及基于深度学习的FasterR-CNN、YOLO、SSD、DeepSORT等算法，并对它们的原理、优缺点以及适用场景进行了详细阐述。
然后，对现有的行人检测与跟踪算法进行了总结和评价，分析了现有算法存在的不足，并对未来的研究方向进行了展望。
最后，对全文进行了总结，并提出了未来研究方向的建议。
关键词：行人检测；行人跟踪；图像处理；深度学习；智能交通
行人检测与跟踪是指利用计算机视觉技术，从交通视频或图像中自动识别行人目标，并对其进行持续跟踪的过程。
其涉及到数字图像处理、计算机视觉、机器学习等多个领域的关键技术。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、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。
