近年来,卷积神经网络在行人检测领域被广泛应用。为将基于卷积神经网络的视频行人检测算法推向工程应用,实际工程中算法设计、硬件选型、算法实现等问题亟待解决。多硬件平台的算法实现与性能分析将为实际工程应用提供重要的参考依据。在此背景下,本文研究视频行人检测应用中卷积神经网络的硬件实现与性能分析问题,主要完成的工作如下:(1)针对视频输入下由运动模糊、遮挡等造成漏检的问题,提出了基于卡尔曼滤波的SSD网络后处理算法。卡尔曼滤波用于传播SSD网络的检测结果并提升、稳定行人的置信度。该算法平衡了漏检率、检测速度和硬件实现难度三方面的关系。经公开和私有数据集的训练和测试,验证了该算法的有效性,同时也为后续多硬件平台的实现奠定基础。(2)在卷积神经网络硬件实现需求和硬件平台对比分析的基础上,完成了GPU、FPGA和嵌入式三种硬件平台的选型及各平台下的卷积神经网络算法的硬件实现与优化。经对比测试,结果表明三种硬件平台下的设计与实现正确,能有效完成行人的检测。(3)针对三种硬件平台下算法的实现结果,从漏检率和计算速度两方面进行了性能的对比与分析。根据实验和调研结果,从网络计算量的选择、功耗、开发难度差异三个角度入手分析了各硬件平台的限制因素,为工程应用提供参考。本文完成了面向视频行人检测的卷积神经网络多硬件平台实现与性能分析。硬件平台实现的卷积神经网络基本单元可用于网络搭建与应用,性能分析与对比为工程中算法设计、硬件选型、算法实现等问题提供了参考依据。