基于YOLOv5的行人目标检测系统的设计与实现开题报告

一 文献综述与调研报告：（阐述课题研究的现状及发展趋势，本课题研究的意义和价值、参考文献）

自2005 年以来，行人检测技术的训练库趋于大规模化、检测精度趋于实用化、检测速度趋于实时化。行人检测在计算机应用领域有着非常广泛的应用，比如车辆辅助驾驶系统、智能视频监控、机器人、航拍图像、人机交互系统、运动分析等。随着近年来车辆辅助驾驶系统、监控和视觉答疑等计算机视觉领域的需求增多。目标检测的热度逐渐高涨。本课题通过Python、YOLOv5和OpenCV等相关技术，实现行人目标检测系统。可以允许我们识别和定位图像或视频中的物体，利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。本课题成果形式是完成一套符合功能需求的，能投入使用的行人目标检测系统。解决的关键问题：掌握YOLOv5技术中模型训练相关参数设定，从而提高识别精确度；掌握深度学习应用到目标检测中的基本方法。

参考文献：

[1]李成.基于改进YOLOv5的小目标检测算法研究[J].长江信息信,2021,34(09):30-33.

[2]赵元章,耿生玲.基于改进YOLOv5的人脸遮挡物目标检测算法[J].长江信息通信，2021,34(11):32-35.

[3]杨晓玲,罗顺利,梁皓添.基于Yolov5的交通路面障碍物目标检测[J].智能城市,2021,7(20):121-122.

[4]马琳琳,马建新,韩佳芳,李雅迪.基于YOLOv5s目标检测算法的研究[J].电脑知识与技术,2021,17(23):100-103.

[5]刘彦清. 基于YOLO系列的目标检测改进算法[D].吉林大学，2021.

[6]江磊,崔艳荣.基于YOLOv5的小目标检测[J].电脑知识与技术,2021,17(26):131-133.

[7] 谈世磊, 别雄波, 卢功林, 等. 基于 YOLOv5 网络模型的人员口罩佩戴实时检测[J]. 激光杂志, 2021, 42(02): 147-150.

[8] 王嘉琳. 基于 YOLOv5 和 DeepSORT 的多目标跟踪算法研究与应用[D]. 山东大学, 2021.

[9] JubayerF,Soeb, J A,Mojumder, A，et al. Detection of mold on the food surface usingYOLOv5 [J]. Current Research in Food Science, 2021, 4: 724-728.

[10]杨晓玲,蔡雅雯.基于Yolov5s的行人检测系统及实现[J].电脑与信息技术, 2022,30(01):28-30.