1. 毕业设计（论文）的内容和要求

计算机视觉技术在过去的十年内取得迅猛的发展，将视觉应用于各种领域越来越普遍，特别是近些年来的无人驾驶系统中极大地依靠视觉技术，实现对道路目标的检测，其中包括车辆、行人、自行车、标志标线等。

利用深度学习、多源数据融合等技术有效地提升了对相关目标的检测精度，但是视觉图像中的目标检测还存在诸多问题，例如环境的复杂度、目标的尺寸、光照条件等都会导致系统失效，对于自动驾驶系统来说存在极大的隐患，因而研究视觉图像的目标检测跟踪具有实际意义。

具体完成任务包含： -实现道路场景下的不同车辆目标检测（pc端） -实现道路场景下的单个车辆目标跟踪（pc端） -融合车辆目标检测和跟踪算法，实现多目标同时跟踪（pc端） -算法移植至嵌入式平台 （可选） 要求在参阅大量国内外文献的基础上，完成一篇文献综述和指定的一篇外文资料翻译。

2. 参考文献

1. Xiang Y, Alahi A, Savarese S. Learning to track: Online multi-object tracking by decision making[C]//Proceedings of the IEEE International Conference on Computer Vision. 2015: 4705-4713. 2. Li Z, Peng C, Yu G, et al. Light-Head R-CNN: In Defense of Two-Stage Object Detector[J]. arXiv preprint arXiv:1711.07264, 2017. 3. Dai J, Li Y, He K, et al. R-fcn: Object detection via region-based fully convolutional networks[C]//Advances in neural information processing systems. 2016: 379-387. 4. Lin T Y, Doll#225;r P, Girshick R, et al. Feature pyramid networks for object detection[J]. arXiv preprint arXiv:1612.03144, 2016. 5. Danelljan M, Bhat G, Khan F S, et al. ECO: Efficient Convolution Operators for Tracking[J]. arXiv preprint arXiv:1611.09224, 2016. 6. Dueholm J V, Kristoffersen M S, Satzoda R K, et al. Trajectories and Maneuvers of Surrounding Vehicles with Panoramic Camera Arrays[J]. IEEE Transactions on Intelligent Vehicles, 2016, 1(2): 203-214. 7. Henriques J F, Caseiro R, Martins P, et al. High-speed tracking with kernelized correlation filters[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(3): 583-596.

3. 毕业设计（论文）进程安排

第 3 周 （3-11至3-17） 查阅相关资料，阅读文献，翻 译、学习相关软件 第4周 (3-18至3-24) 撰写开题报告，修改，开题 第5～6周 (3-25至4-7) 实验采集数据 第7周 (4-8至4-14) 目标检测算法实现 第8～9周 (4-15至4-28) 目标跟踪算法实现 第10～12周 (4-29至5-19) 检测跟踪算法融合，嵌入式平台移植 第13～15周 (5-20至6-1) 数据整理、分析 第16～18周 (6-1至6-14) 论文撰写；答辩演示文稿的制作；答辩