1. 本选题研究的目的及意义
近年来，随着城市化进程的加快和交通流量的激增，交通安全问题日益凸显，其中行人安全尤为重要。
传统的交通管理手段已难以满足日益增长的需求，因此，利用先进的技术手段实现智能化的交通管理迫在眉睫。
本选题旨在研究基于图像处理的交通视频中的行人检测与跟踪技术，利用计算机视觉和机器学习算法，自动识别和跟踪交通视频中的行人，为交通安全、交通管理和交通规划提供技术支持。
2. 本选题国内外研究状况综述
行人检测与跟踪作为计算机视觉领域的重要研究方向，近年来取得了显著进展，其研究成果已广泛应用于智能监控、人机交互、自动驾驶等领域。
1. 国内研究现状
国内学者在行人检测与跟踪方面开展了大量研究工作，并取得了一系列成果。
3. 本选题研究的主要内容及写作提纲
本选题将针对交通视频中的行人检测与跟踪问题，开展以下研究内容：
1.研究交通场景下行人检测与跟踪的相关算法和技术。
2.设计并实现基于图像处理的交通视频行人检测与跟踪系统。
3.对系统进行测试和评估，验证其有效性和可靠性。
4. 研究的方法与步骤
本研究将采用以下方法和步骤：
1.文献调研：查阅国内外相关文献，了解行人检测与跟踪领域的最新研究进展、主要算法和技术，以及现有系统的优缺点。
2.算法研究与选择：研究基于深度学习的行人检测算法，例如YOLO、SSD、FasterR-CNN等，以及基于卡尔曼滤波的行人跟踪算法，分析其原理、优缺点和适用场景，选择适合交通场景的算法。
3.系统设计与实现：基于选定的算法，设计并实现基于图像处理的交通视频行人检测与跟踪系统。
5. 研究的创新点
本研究的创新点在于：
1.针对交通场景特点，对现有行人检测算法进行改进，例如引入注意力机制、多尺度特征融合等策略，提高算法在复杂交通场景下的检测精度和鲁棒性。
2.针对行人跟踪过程中的遮挡、轨迹交叉等问题，提出基于改进卡尔曼滤波的跟踪算法，提高算法的跟踪精度和稳定性。
3.设计并实现基于图像处理的交通视频行人检测与跟踪系统，系统功能完善、操作方便，可为交通安全、交通管理和交通规划提供技术支持。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1. 刘伟,徐友春,黄凯奇,等.基于改进YOLOv5和DeepSort的车辆检测与跟踪[J].计算机工程与应用,2023,59(13):208-216.
2. 王晓,李欣,郭文强,等.融合改进YOLOv5和Deepsort的行人检测与跟踪算法[J].计算机工程与应用,2023,59(08):197-206.
3. 魏巍,田学泽.融合YOLOv5与DeepSort算法的目标检测与跟踪[J].电子技术应用,2023,49(03):104-108.
