Resumen

El reconocimiento de peatones es una investigación importante porque afecta aplicaciones como monitoreo inteligente, recuperación de video basada en contenido e interacción humano-computadora. Puede ayudar en el seguimiento y detección de sospechosos criminales en sistemas de videovigilancia a gran escala. Aunque los métodos tradicionales existentes de reconocimiento de peatones se han aplicado ampliamente para abordar problemas prácticos, tienen deficiencias como baja precisión de reconocimiento, computación ineficiente y dificultad para adaptarse a aplicaciones específicas. En los últimos años, los algoritmos de reconocimiento de peatones basados en aprendizaje profundo se han utilizado ampliamente en el campo del reconocimiento de peatones debido a su fuerte capacidad adaptativa y alta precisión de reconocimiento. Los modelos de aprendizaje profundo proporcionan un enfoque técnico para tareas de reconocimiento de peatones con su poderosa capacidad de aprendizaje. Sin embargo, el método de reconocimiento de peatones basado en aprendizaje profundo también presenta los siguientes problemas: en primer lugar

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Peatón; Re-reconocimiento; Aprendizaje profundo; Memoria; Sobreajuste; LSTM
• Keywords:Pedestrian; Re-recognition; Deep learning; Memory; Overfitting; LSTM