1. 研究目的与意义（文献综述）

在人类的日常生活中，车辆已经成为必不可少的一部分。不同类型的车辆具有不同的外观，类别主要包括了轿车、客车、货车以及专用汽车等等。由于目标容易受到光照不足、遮挡、背景干扰等因素，同时采用人工识别车辆类型工程浩大且需要相关专业知识，对在马路上飞驰的汽车进行智能实时识别与分类成为一种需求，因此对公路上多辆汽车的自动识别检测是一个具有重要意义的课题。

目标的检测与识别包括了检测和识别两个过程，其中最难的地方就是待检测区域/候选区域的提取与识别。目前目标检测与识别的研究方法主要分为两大类，一类是基于传统图像处理和机器学习算法的目标检测与识别方法，主要包括sift (尺度不变特征变换匹配算法scale invariant featuretransform), hog(方向梯度直方图特征histogram of orientedgradient), surf( 加速稳健特征speeded up robust features)等。主要分为区域选择、特征提取以及分类器分类三步，但由于传统的目标检测方法多适合于单一目标识别，存在区域选择没有针对性、时间复杂度高、重复选择计算以及较差的鲁棒性等问题，现多采用基于深度学习的目标献策与识别方法。相比于传统目标检测方法，基于深度学习的目标检测采用region proposal（候选区域）提供了很好的解决措施，大大减少了区域窗口的选择，减少了时间复杂度，利用人工神经网络（ann）提高精度和鲁棒性。此文讨论的是基于深度学习的目标检测。

基于深度学习的目标检测多利用ann中的卷积神经网络（cnn），当前流行的基于深度学习的目标检测框架分为三类，一类是基于回归的目标检测与识别算法，其中包括了sdd,yolo等；一类是基于区域建议的目标检测与识别方法，其中包括了r-cnn，fast r-cnn，faster r-cnn等；第三类是基于搜索的目标检测与识别算法，如attentionnet。

2. 研究的基本内容与方案

研究内容、目标：

学习相关知识，深入了解车辆自动识别检测和深度学习的理论和方法，python软件的编程方法，使用深度学习的方法，实现图片中对多辆汽车的自动识别检测，并实现对车辆的分类。

研究步骤：

3. 研究计划与安排

第1－2周：查阅相关文献资料，明确研究内容，了解研究所需的相关知识。确定方案，完成开题报告。

第3－6周：完成英语论文翻译和熟悉原理、方法和软件。

第7－9周：完成模型设计。

4. 参考文献（12篇以上）

[1] wen xu, jing he, hao lan zhang. real-timetarget detection and recognition with deep convolutional networks forintelligent visual surveillance. [c] 2016 ieee/acm 9th international conferenceon utility and cloud computing.

[2] xiao-feng gu, zi-wei chen, ting-song ma.real-time vehicle detection and tracking using deep neural networks. [c] 201613th international computer conference on wavelet active media technology andinformation processing.

[3] mduduzi manana, chunling tu, pius adewaleowolawi. a survey on vehicle detectionbased on convolution neural networks. [c] 2017 3rd ieee internationalconference on computer and communications.